Despacho Economico de Energia

DESPACHO
ECONÔMICO
DE ENERGIA
EDIÇÃO Nº 1 – 2017
RAFAELA FILOMENA ALVES GUIMARÃES

DESPACHO ECONÔMICO
Coordenação geral Diagramação
Nelson Boni Hidesign Estúdio
Professora responsável Capa e projeto gráfico

Rafaela Filomena Larissa Cardim
Alves Guimarães
Coordenação de
Coordenação pedagógica
diagramação
Leandro Lousada
Larissa Cardim
Coordenação de projetos Coordenação de revisão

Hikaro Queiroz Julia Kusminsky
1º Edição: 2017
Impressão em São Paulo/SP
G963d Guimarães, Rafaela Filomena Alves.

Despacho econômico de energia. / Rafaela Filomena Alves
Guimarães. – São Paulo : Know How, 2017.
442 p. : 21 cm.
Inclui bibliografia
ISBN 978-85-8065-343-4
1. Despacho econômico. 2. Sistema de transmissão.
3. Fluxo de potência. 4. Análise estática. 5. Desregulamentação 6. O
despacho I. Título.
CDD 621.3
Catalogação elaborada por Glaucy dos Santos Silva - CRB8/6353

APRESENTAÇÃO
O objetivo deste livro é aprofundar o estudo de métodos e técnicas
de análise da operação de sistemas de energia elétrica, introduzir métodos
de programação da operação de sistemas, considerando fontes de geração
termelétrica, hidrelétrica e renováveis não tradicionais, além de introdu-
zir métodos de modelagem em tempo real de sistemas de energia elétrica
para a obtenção do despacho econômico de energia.
O capítulo 1 aborda o despacho econômico de forma introdutória,
com conceitos de programação não-linear para a obtenção do despacho
otimizado, considerando as perdas e as gerações de energia com base em
usinas térmicas e hidrelétricas.
O capítulo 2 aborda as características das linhas de transmissão de
esparsidade, e conceitua o mercado de energia brasileiro diante das suas
recentes alterações.
O capítulo 3 analisa o Fluxo de Potência Ótimo, a caracterização
dos problemas de FPO e sua relação com despacho econômico, conside-
rando a rede elétrica de transmissão e os problemas de otimização da ope-
ração; a representação linearizada da rede elétrica; os efeitos dos limites
de transmissão e de perdas de transmissão na programação da operação.
No capítulo 4 é feita uma abordagem sobre a Operação em Tem-
po Real de Sistemas de Energia Elétrica - Sistema SCADA; os estados
de operação; as principais funções da análise de segurança em tempo
real; a modelagem em tempo real: estimação de estados; uma proposta
de solução via método de Gauss-Newton; e a análise de exemplos usando
modelo linearizado para a rede elétrica.
No capítulo 5 é estudado o despacho hidrotérmico mediante a pro-
gramação da operação a longo, médio e curto prazos; os principais pro-
blemas de coordenação hidrotérmica de curto prazo; a modelagem das
variáveis hidráulicas e algumas considerações de metas energéticas; de
programação hidrotérmica de curto prazo para sistemas reais: com as
estratégias baseadas em metas de volume e em funções de custo futuro.
No capítulo 6 é abordado o despacho econômico mediante as novas
regras do Mercado Atacadista de Energia e dos contratos bilaterais com
as perdas de transmissão sendo levadas em consideração neste novo mo-
delo de contratação.
Sumário
O DESPACHO ECONÔMICO....................................... 21
Despacho econômico de unidades térmicas.................. 23
Modelagem do problema em barra única....................... 23
espacho econômico de um sistema composto por duas
D
unidades geradoras................................................................ 24
Caso 1: Nenhum limite de geração é atingido................... 25
Caso 2: P1 está no limite superior (P1 = P1)...................... 26
Caso 3: P1 está em seu limite inferior (P1 = P1)............... 27
Caso 4: Ambos os geradores estão em (algum de) seus
limites........................................................................................ 28
Generalização para o caso de N unidades
geradoras.................................................................................. 28
Interpretação do multiplicador de Lagrange..................... 29
Fatores de Participação......................................................... 30
Despacho econômico com funções-custo lineares
por partes................................................................................. 32
Métodos computacionais para o despacho econômico.34
Método da secante................................................................. 34
Algoritmo 1: Método da Secante.......................................... 34
Método do gradiente reduzido............................................. 36
Algoritmo 2: Método do gradiente reduzido...................... 36
Solução pelo método primal/dual de pontos interiores.. 37
Interpretação do método....................................................... 41
Solução do problema relaxado............................................ 43
Atualização das variáveis...................................................... 44
Atualização do parâmetro μ.................................................. 44
Teste de convergência........................................................... 45
Algoritmo 3: solução do problema de despacho econômi-
co pelo método primal-dual de pontos interiores............ 45
Despacho econômico considerando as perdas
de transmissão........................................................................ 45
Equações de coordenação, perdas incrementais e
fatores de penalidade............................................................. 46
Fórmula geral das perdas..................................................... 50
Algoritmo 4 despacho econômico com perdas de
transmissão supondo funções-custo quadráticas.......... 51
evantamento experimental da fórmula geral
L
das perdas................................................................................ 53
Perdas para uma condição de operação genérica
em função das perdas do caso base.................................. 53
Método para determinação do vetor x................................ 55
Determinação dos parâmetros da fórmula geral
das perdas................................................................................ 56
Exemplos.................................................................................. 58
Exemplo 1.1.............................................................................. 58
Exemplo 1.2.............................................................................. 60
Exemplo 1.3.............................................................................. 62
Exemplo 1.4.............................................................................. 63
Exemplo 1.5.............................................................................. 64
Exemplo 1.6.............................................................................. 66
Exemplo 1.7.............................................................................. 70
Representação do sistema de transmissão............... 73
Esparsidade.............................................................................. 75
Matrizes simétricas e grafos de adjacência...................... 76
Exemplo 2.1.............................................................................. 76
Exemplo 2.2.............................................................................. 77
Exemplo 2.3.............................................................................. 78
Estruturas de dados para representação de grafos
e matrizes esparsas............................................................... 78
Tabelas de conexão................................................................ 78
Exemplo 2.4.............................................................................. 79
Lista de adjacências............................................................... 80
Exemplo 2.5.............................................................................. 80
Lista encadeada...................................................................... 80
Exemplo 2.6.............................................................................. 81
Exemplo 2.7.............................................................................. 82
Esquemas de armazenamento compacto para
vetores e matrizes retangulares........................................... 82
Esquema de armazenamento compacto
para vetores 77
Exemplo 2.8.............................................................................. 83
Listas de adjacências para vetores esparsos................... 83
Exemplo 2.9.............................................................................. 84
Listas encadeadas para vetores esparsos........................ 85
Exemplo 2.10............................................................................ 85
Esquema de armazenamento compacto para
matrizes retangulares............................................................ 85
Exemplo 2.11............................................................................ 86
Listas de adjacências para matrizes retangulares........... 86
Exemplo 2.12............................................................................ 86
Listas encadeadas para matrizes retangulares................ 87
Exemplo 2.13............................................................................ 87
Algumas operações elementares com
vetores esparsos..................................................................... 87
Adição de um vetor esparso a um vetor denso................ 87
Adição de dois vetores esparsos......................................... 88
Multiplicação de uma matriz esparsa por um
vetor denso............................................................................... 88
Solução de sistemas triangulares esparsos..................... 89
Fatoração lu............................................................................. 89
Fatoração lu esparsa.............................................................. 90
Fatoração simbólica............................................................... 91
Fatoração numérica............................................................... 91
Substituição direta e inversa................................................ 92
Ordenação para preservação da
esparsidade na fatoração lu................................................. 93
Ordenação de matrizes.......................................................... 93
Exemplo 2.14............................................................................ 93
Interpretação do enchimento usando
grafos reduzidos...................................................................... 94
Algoritmos de ordenação...................................................... 97
Algoritmo de ordenação i...................................................... 97
Algoritmo de ordenação ii..................................................... 98
Algoritmos de ordenação iii.................................................. 99
Ambiente econômico............................................................. 99
O setor elétrico e a atividade econômica........................... 99
A expansão e a operação no contexto tradicional.......... 101
Longo prazo............................................................................ 104
Médio prazo............................................................................ 106
Curto prazo.............................................................................. 108
Tempo real............................................................................... 111
E xpansão e operação no novo contexto regulatório...... 111
Longo prazo............................................................................ 112
Médio prazo............................................................................ 114
Curto prazo.............................................................................. 115
Tempo real............................................................................... 116
O ambiente regulatório.......................................................... 117
egulação tradicional e regulação de mercado
R
competitivo.............................................................................. 117
Novo ambiente regulatório................................................... 118
Motivação................................................................................ 118
Fundamentos.......................................................................... 119
Requisitos................................................................................ 120
Atividades de natureza elétrica........................................... 122
Separação de atividades...................................................... 123
Atividades de geração........................................................... 124
Atividades da rede.................................................................. 126
Transmissão............................................................................ 128
Atividades ancilares............................................................... 133
O modelo de despacho baseados em fluxo de
potência – operação ótima e segura do sistema de
transmissão............................................................ 135
Os estados de um sistema de potência............................ 138
Avaliação da segurança: análise de contingências......... 141
Análise de contingências baseada em fatores de
distribuição.............................................................................. 143
Análise de contingências baseada em fluxo de
carga......................................................................................... 149
Fluxo de potência ótimo....................................................... 151
Formulação do problema FPO............................................ 152
Classificação dos algoritmos de fpo.................................. 156
Operação do sistema de transmissão............................... 157
Estado de emergência.......................................................... 157
Correção da sobrecarga....................................................... 158
Correção de tensão............................................................... 160
Estado de alerta..................................................................... 161
O estado seguro..................................................................... 164
Redes de transmissão com acesso aberto...................... 165
Gerenciamento do congestionamento.............................. 167
Esquemas de gerenciamento do
congestionamento................................................................. 170
Gerenciamento do congestionamento por
preço-spot nodal.................................................................... 171
Gerenciamento do congestionamento baseado
em transações........................................................................ 177
Tarifas da transmissão......................................................... 179
Direitos de transmissão........................................................ 180
Perdas de potência ativa na transmissão......................... 181
Avaliação das perdas da transmissão............................... 181
Distribuição dos custos das perdas................................... 184
O problema com termos mútuos em PL........................... 187
Serviços ancilares.................................................................. 187
Serviços de regulação........................................................... 188
Serviços de reserva de potência......................................... 189
Serviços de potência reativa................................................ 190
Exemplos................................................................................. 192
Exemplo 3.1............................................................................. 192
Exemplo 3.2............................................................................. 193
Exemplo 3.3............................................................................. 195
Exemplo 3.4............................................................................. 198
Exemplo 3.5............................................................................. 200
Exemplo 3.6............................................................................. 201
Exemplo 3.7............................................................................. 204
Exemplo 3.8.............................................................................208
Exemplo 3.9............................................................................. 212
Exemplo 3.10........................................................................... 214
Exemplo 3.11........................................................................... 216
Exemplo 3.12...........................................................................220
Exemplo 3.13........................................................................... 223
Exemplo 3.14........................................................................... 227
Exemplo 3.15........................................................................... 228
Exemplo 3.16........................................................................... 230
Exemplo 3.17...........................................................................234
Exemplo 3.18........................................................................... 236
Análise estática de segurança de sistemas
elétricos de potência............................................... 239
Introdução à operação em tempo real de sistemas
de potência.............................................................................. 241
Evoluções na operação de sistemas de potência........... 241
Restrições de carga, operação e segurança –
estados de operação............................................................. 243
Funções componentes da operação em tempo
real de sistemas de potência............................................... 247
Configurações típicas de sistemas computacionais
para centros de operação.................................................... 250
Requisitos................................................................................ 250
Sistemas não-redundantes................................................. 252
Sistemas redundantes – configuração dual.................... 254
volução para utilização de sistemas distribuídos,
E
redes locais e sistemas abertos......................................... 256
Sistemas abertos................................................................... 258
Estimação estática de estados em sistemas de
potência................................................................................... 259
Características da EESP....................................................... 260
Aplicações dos resultados da EESP................................... 261
Monitoração em tempo real de redes elétricas............... 261
Vantagens da estimação de estados................................. 263
Subproblemas da estimação de estados......................... 264
Classificação dos estimadores de estado........................ 265
O modelo de medição........................................................... 266
Observações........................................................................... 267
Estimadores tipo batch......................................................... 269
Solução pelo método dos mínimos quadrados
ponderados – método clássico.......................................... 269
O método de Gauss-Newton............................................... 270
Cálculo dos termos da matriz jacobiana e das
quantidades medidas............................................................ 274
Aspectos computacionais................................................... 277
Estimador de estados linearizado...................................... 278
Inclusão de restrições de igualdade................................... 280
Processamento de medidas com erros grosseiros........ 283
Uso dos resíduos de estimação no tratamento
de erros grosseiros................................................................284
Detecção de erros grosseiros.............................................. 286
Teste de hipóteses.................................................................288
Detecção de erros grosseiros – base estatística............ 289
Algoritmo.................................................................................292
Identificação de erros grosseiros....................................... 293
Método do máximo resíduo normalizado......................... 293
Observações........................................................................... 297
Recuperação de medidas portadoras de erro
grosseiro.................................................................................. 298
Base teórica............................................................................298
Resíduo associado à medida recuperada......................... 301
Método B para processamento de erros grosseiros...... 302
Descrição do método............................................................ 303
Algortimo................................................................................. 297
Exemplos.................................................................................304
Exemplo 4.1.............................................................................304
Desregulamentação e novos mercados de energia.. 307
Coordenação hidrotérmica..................................................309
Introdução...............................................................................309
Programação da operação a médio prazo....................... 310
Estratégia baseada na curva-limite.................................... 311
Estratégia baseada no valor marginal da água................ 312
Planejamento da operação de curto prazo....................... 313
Programação hidrotérmica com restrições de
energia hidráulica................................................................... 314
Programação hidrotérmica de curto prazo...................... 319
Formulação incluindo perdas de transmissão................. 319
Caso particular: perdas de transmissão
desconsideradas.................................................................... 321
Solução computacional da coordenação
hidro-térmica de curto prazo............................................... 323
Algoritmo da iteração λ - γ................................................... 323
Programação quadrática sequencial................................. 324
Método primal-dual de pontos interiores.......................... 325
Formulação do problema..................................................... 326
Equações do método de Newton para o problema
primal/dual usando ordenação por tipo de variável....... 327
Equações do Método de Newton para o Problema Primal/
Dual usando ordenação por intervalo de tempo............. 332
Inclusão de restrições hidráulicas...................................... 333
Programação de curto prazo em sistemas reais de
base hidráulica........................................................................ 337
Introdução............................................................................... 337
Modelagem detalhada das variáveis hidráulicas............. 337
Reservatórios em cascata...................................................338
Potência gerada em função da vazão e da altura
líquida de queda.....................................................................340
Programação de curto prazo para atender metas
de volume................................................................................ 341
Programação de curto prazo considerando
custo futuro............................................................................. 342
Custo imediato e custo futuro............................................. 342
Formulação da programação de curto prazo com
base na FCF............................................................................345
Exemplos................................................................................. 347
Exemplo 5.1............................................................................. 347
Exemplo 5.2.............................................................................348
Exemplo 5.3.............................................................................348
Exemplo 5.4............................................................................. 350
O despacho no contexto dos novos mercados de
energia.................................................................... 353
Despacho econômico........................................................... 355
Despacho econômico básico.............................................. 357
fundamentos de despacho econômico............................. 358
Despacho econômico com demanda elástica................ 362
Despacho econômico com limites de geração............... 363
Despacho econômico com perdas.................................... 366
Despacho econômico com restrições de rede................ 373
Fluxo de potência ótimo....................................................... 375
Programação de unidades geradoras............................... 376
Operações do mercado de eletricidade.............................380
Fundamentos..........................................................................380
Despacho centralizado versus operação de
mercado................................................................................... 382
Procedimentos de liquidação no mercado....................... 383
Leilão monoperíodo............................................................... 383
Leilão multiperíodo................................................................ 386
Leilão multiperíodo com restrições de rede.....................388
Atribuição de preços.............................................................. 389
Programação do produtor e estratégias de ofertas........ 390
Produtores sem poder de mercado................................... 390
Produtor com poder de mercado....................................... 393
Estratégias de lances............................................................ 395
Pontos de vista do consumidor e do comercializador... 395
Exemplos................................................................................. 397
Exemplo 6.1............................................................................. 397
Exemplo 6.2.............................................................................399
Exemplo 6.3.............................................................................399
Exemplo 6.4.............................................................................400
Exemplo 6.5............................................................................. 401
Exemplo 6.6.............................................................................403
Exemplo 6.7.............................................................................404
Exemplo 6.8.............................................................................405
Exemplo 6.9............................................................................. 407
Exemplo 6.10...........................................................................408
Exemplo 6.11........................................................................... 411
Exemplo 6.12........................................................................... 415
Exemplo 6.13........................................................................... 421
Exemplo 6.14........................................................................... 426
Exemplo 6.15........................................................................... 427
Exemplo 6.16........................................................................... 429
Exemplo 6.17........................................................................... 431
BIBLIOGRAFIA......................................................... 433
Lista de figuras
igura 1.1: Representação de N unidades térmicas
F
conectadas a uma única barra............................................ 23
Figura 1.2: Condição de mínimo custo de operação
quando nenhum limite de geração é atingido................... 26
Figura 1.3: Valores relativos dos custos incrementais
quando o gerador 1 atinge seu limite superior.................. 27
Figura 1.4: Valores relativos dos custos incrementais
quando o gerador 2 atinge seu limite inferior.................... 27
Figura 1.5: Condições de otimalidade para várias
unidades geradoras................................................................ 29
Figura 1.7: Aproximação linear por partes de
função-custo (acima) e da função de custo incremental
correspondente (abaixo)........................................................ 32
Figura 1.8: Projeção de um novo λ a partir dos dois
últimos valores calculados................................................... 35
Figura 1.9: Interpretação gráfica da condição de folga
complementar e sua relaxação
através do parâmetro μ.......................................................... 40
Figura 1.10: Duas maneiras distintas de se considerar as
perdas de transmissão: a) Representação da rede
elétrica em detalhes, b) Extensão do despacho
econômico clássico................................................................ 46
Figura 1.11: Despachos obtidos na ausência e na presen-
ça de perdas de transmissão para uma situação com
penalidade................................................................................ 49
Figura 1.12: Características de custos incrementais
constantes por partes de duas unidades térmicas.......... 63
Figura 1.13: Sistema de 2 barras com perdas de
transmissão............................................................................. 67
Figura 2.1: Exemplo e grafo correspondente à
matriz A (6 x 6)......................................................................... 77
igura 2.2: Matriz esparsa diagonal e grafo
F
correspondente à matriz esparsa bloco-diagonal........... 78
Figura 2.3: Ilustração do enchimento na fatoração LU..90
Figura 2.4: Acesso às colunas de l durante
substituição direta.................................................................. 92
Figura 2.5: Sistema de potência para exemplificar
a ordenação............................................................................. 94
Figura 2.6: Estrutura da matriz a e grafo associado para:
(a1, b1) ordenação natural e (a2, b2)
ordenação {4, 1, 3, 5, 6, 2}...................................................... 94
Figura 2.7: Interpretação do enchimento usando
sequência de grafos reduzidos............................................ 96
Figura 2.8: Enchimento total e grafo correspondente
para o exemplo 2.11................................................................ 96
Figura 2.9: Ilustração do método de Tinney-II................. 98
Figura 3.1: Estados de operação de um sistema
de potência.............................................................................. 139
Figura 3.2: Aplicando o teorema de compensação
para a saída de um ramo...................................................... 145
Figura 3.3: Modelagem de saída de um ramo
usando injeções fictícias...................................................... 146
Figura 3.4: Análise de contingências baseada no
índice de ordenamento......................................................... 148
Figura 3.5: Contingência de barreira usando o
fluxo de carga desacoplado rápido.................................... 150
Figura 3.6: Rede de três barras do exemplo 3.1.............. 192
Figura 3.7: Análise N – 1 para o exemplo 3.2.................. 194
Figura 3.8: Análise N – 2 para o exemplo 3.2.................. 194
Figura 3.9: Rede de cinco barras para o exemplo 3.3.... 195
Figura 3.10: Sistema de cinco barra do exemplo 3.7...... 204
Figura 3.11: Estado ótimo em relação aos custos
de geração da rede de cinco barras................................... 207
Figura 3.12: Sistema de cinco barras para o
exemplo 3.8.............................................................................208
Figura 3.13: Sistema de cinco barras do exemplo 3.9... 212
Figura 3.14: Rede de cinco barras do exemplo 3.10
após corrigir os limites de tensão violados...................... 215
Figura 3.15: Rede de cinco barras do exemplo 3.11.
Estado após a correção de problemas de tensão........... 220
Figura 3.16: Rede de cinco barras após a saída
da linha L3............................................................................... 226
igura 3.17: Perfil ótimo de tensão para o sistema
F
de cinco barras e dois geradores....................................... 228
Figura 3.18: Sistema elétrico de duas barras: a) Não existe
limite sobre o fluxo de potência, b) Existe um limite de flu-
xo de potência de 40 MW..................................................... 229
Figura 3.19: Sistema de potência de três barras do
exemplo 3.16........................................................................... 230
Figura 4.1: Diagrama de transição de estados de operação
de um sistema de potência.................................................. 245
Figura 4.2: Principais aplicativos da operação em tempo
real............................................................................................ 250
Figura 4.3: Configuração típica de um sistema central..252
Figura 4.4: Sistema não-redundante................................. 253
Figura 4.5: Sistema não-redundante com front-end e
computador para IHM........................................................... 254
Figura 4.6: Configuração dual............................................. 255
Figura 4.7: Sistema distribuído para Centros de
Operação (EMS)..................................................................... 258
Figura 4.8: Sistema exemplo para construção do modelo
de medição linear................................................................... 281
Figura 5.1: Curva-limite para programação hidrotérmica
de médio prazo....................................................................... 311
Figura 5.2: Variação do valor marginal da água com a ten-
dência hidrológica e o nível de armazenamento dos reser-
vatórios.................................................................................... 313
Figura 5.3: Sistema hidrotérmico formado por hidrogera-
dor e turbogerador equivalentes......................................... 314
Figura 5.4: Curva de carga e participação térmica e hi-
dráulica em problema de programação com restrição de
energia...................................................................................... 318
Figura 5.5: Variáveis hidráulicas associadas a uma usina
hidrelétrica...............................................................................334
Figura 5.6: Usinas em cascata em uma mesma bacia hi-
drográfica................................................................................339
Figura 5.7: Funções de custo imediato e futuro..............343
Figura 5.8: Custo futuro como uma função linear por par-
tes..............................................................................................344
Figura 6.1: Exemplo de função de custo: a) quadrática
convexa e b) linear por partes............................................. 357
Figura 6.2: Três exemplos de despacho econômico com
limites de geração.................................................................. 365
Figura 6.3: Rede de três barras para o exemplo 6.5...... 401
Figura 6.4: Leilão monoperíodo (exemplo 6.11): a) Com li-
mites de rampa e sem mínimo de potência gerada; b) Com
mínimo de potência gerada mas sem limites de rampa..413
Figura 6.5: Leilão monoperíodo sem incluir restrições
(exemplo 6.11): a) Um bloco de geração no extremo,
b) Um bloco de demanda no extremo............................... 415
Figura 6.6: Leilão multiperíodo (exemplo 6.12). Com limites
de potência mínima e limites de rampa: a) Hora 1 e b)
Hora 2....................................................................................... 420
Figura 6.7: Rede para o leilão multiperíodo com
restrições de rede (exemplo 6.13)....................................... 421
Figura 6.8: Leilão multiperíodo com restrições de
rede (exemplo 6.13): a) Hora 1 e b) Hora 2........................ 425
Figura 6.9: Programação própria ótima do produtor sem
poder de mercado: a) Produção e preços e
b) Rendimentos, custos, lucros e preços.......................... 427
Lista de Tabelas
Tabela 1.1: Dados das unidades para o exemplo 1.1....... 58
Tabela 1.2: Funções-custo em $/h para o exemplo 1.1..58
Tabela 1.3: Custos Incrementais para despacho de
duas unidades térmicas........................................................ 63
Tabela 3.1: Dados dos geradores do exemplo 3.1........... 192
Tabela 3.2: Dados do sistema do exemplo 3.1................ 193
Tabela 3.3: Dados de geração para o exemplo 3.3........ 196
Tabela 3.5: Fluxo de potência para o exemplo 3.3......... 198
Tabela 3.6: Fluxos de potência no exemplo 3.4.............. 199
Tabela 3.7: Índices de ordenamento
para o exemplo 6.5................................................................ 200
Tabela 3.8: Análise detalhada dos estados
pós-contingência................................................................... 201
Tabela 3.9: Estado pós-contingência após a primeira
iteração e após a convergência.......................................... 202
Tabela 3.10: Informação fornecida pela análise de
contingências do exemplo 3.6............................................. 203
Tabela 3.11: Características de geração do sistema do
exemplo 3.7..............................................................................204
Tabela 3.12: Dados de rede para o sistema
do exemplo 3.7........................................................................ 205
abela 3.13: Dados de geração do sistema
T
do exemplo 3.8....................................................................... 209
Tabela 3.14: Dados de geração do sistema
do exemplo 3.9....................................................................... 213
Tabela 3.15: Dados do fluxo de potência para
o exercício 3.12....................................................................... 223
Tabela 3.16: Tabela de fluxos de potência para
o exemplo 3.13........................................................................ 226
Tabela 4.1: Valores percentis para a distribuição
qui-quadrada.......................................................................... 292
Tabela 5.2: Dados das unidades geradoras..................... 349
Tabela 5.3: Variação da demanda por horário................. 349
Tabela 6.1: Parâmetros das funções de custo
quadráticas.............................................................................. 397
Tabela 6.2: Níveis de geração, custos incrementais
e os custos para o exemplo 6.1........................................... 398
Tabela 6.3: Demandas elásticas para o exemplo 6.2..... 399
e os custos para o exemplo 6.2.......................................... 399
e os custos para o exemplo 6.3..........................................400
Tabela 6.6: Sistema de três barras.....................................400
Tabela 6.7: Sistema de três barras.....................................402
Tabela 6.8: Casos sem perdas............................................402
Tabela 6.9: Casos com perdas............................................402
Tabela 6.10: Resultados sem perdas e sem limites
de transmissão na linha 1 – 3.............................................403
Tabela 6.11: Resultados sem perdas e com limites
de transmissão na linha 1 – 3.............................................403
Tabela 6.12: Resultados sem perdas e sem
limite de capacidade de transmissão, mas com limites
de geração...............................................................................404
Tabela 6.13: Resultados sem perdas, mas com limites
de capacidade de transmissão e geração........................404
Tabela 6.14: Resultados com perdas e limites de
capacidade de transmissão e geração.............................. 405
Tabela 6.15: Resultados com contratos bilaterais..........406
Tabela 6.16: Resultados para o exemplo 6.9.................... 407
Tabela 6.17: Dados adicionais das unidades
geradoras para o exemplo 6.10...........................................408
Tabela 6.18: Dados adicionais das unidades geradoras
para o exemplo 6.10...............................................................409
abela 6.19: Caso A, exemplo 6.10. UC sem incluir os
T
custos de partida e os limites de rampa...........................409
Tabela 6.20: Caso B, exemplo 6.10. UC incluindo os
custos de partida mas sem os limites de rampa............409
Tabela 6.21: Caso C, exemplo 6.10. UC incluindo os
custos de partida e os limites de rampa........................... 410
Tabela 6.22: Caso D, exemplo 6.10. UC incluindo os
custos de partida, os limites de rampa e as
restrições de reserva............................................................. 410
Tabela 6.23: Características técnicas das unidades
geradoras................................................................................. 411
Tabela 6.24: Ofertas dos geradores.................................. 411
Tabela 6.25: Lances das demandas.................................. 412
Tabela 6.26: Caso A, exemplo 6.11. Sem limites de
rampa e sem mínimo de potência gerada........................ 412
Tabela 6.27: Caso B, exemplo 6.11. Com limites de
rampa e sem mínimo de potência gerada........................ 412
Tabela 6.28: Caso C, exemplo 6.11. Sem limites de
rampa e com mínimo de potência gerada........................ 413
Tabela 6.29: Lances de demandas.................................... 414
Tabela 6.30: Lances de demandas.................................... 415
Tabela 6.31: Ofertas aceitas................................................ 416
Tabela 6.32: Lances aceitos................................................ 416
Tabela 6.33: Preços, receitas, pagamentos e
benefício comum................................................................... 417
Tabela 6.34: Ofertas aceitas............................................... 417
benefício comum................................................................... 418
Tabela 6.37: Ofertas aceitas............................................... 418
benefício comum................................................................... 419
Tabela 6.40: Dados da rede da figura 6.7.......................... 421
Tabela 6.41: Ofertas e lances aceitos................................ 422
benefício comum................................................................... 423
Tabela 6.43: Ofertas e lances aceitos............................... 423
benefício comum................................................................... 424
Tabela 6.45: Dados da unidade geradora do
exemplo 6.14........................................................................... 426
abela 6.46: Horizonte de programação e previsão de
T
preço do exemplo 6.14.......................................................... 426
Tabela 6.47: Produção, custos e lucros............................ 426
Tabela 6.48: Horizonte de programação e previsão de
preço do exemplo 6.15.......................................................... 427
Tabela 6.49: Dados do sistema hidrelétrico..................... 428
Tabela 6.50: Produção ótima para o exemplo 6.15........ 428
Tabela 6.51: Níveis dos reservatórios do exemplo 6.15..428
Tabela 6.52: Receitas do exemplo 6.15............................. 429
Tabela 6.53: Dados das unidades de geração.................430
Tabela 6.54: Produção, preços, receitas, custos e
lucros do exemplo 6.16.........................................................430
Tabela 6.55: Previsões de preços e demandas para o
exemplo 6.17............................................................................ 431
Tabela 6.56: Cogeração, compras, receitas, custos e
lucros para o exemplo 6.17...................................................432
UNIDADE • 01
O despacho econômico
UNIDADE 01
O despacho econômico
Este capítulo abordará o problema do despacho econômico de

unidades térmicas convencionais. Inicialmente, será discutido o
problema do despacho econômico clássico sem consideração
das perdas de transmissão e, depois da apresentação da base
teórica do problema, serão introduzidos alguns métodos com-
putacionais de solução. A seção final do capítulo mostra como
a abordagem clássica pode ser estendida para levar em conta, de
forma aproximada, os efeitos das perdas de transmissão, e apre-
senta algoritmos de solução para o despacho com consideração
de perdas.
22
DESPACHO ECONÔMICO DE UNIDADES
TÉRMICAS
Modelagem do problema em barra única

Considere um sistema de potência formado por N unidades
geradoras térmicas alimentando NL cargas conectadas a barras
da rede elétrica. Se PLi é a potência da i-ésima carga, então a
carga total do sistema é dada por:
PL ∑ NL
i =1 pLi
(1.1)
Neste capítulo, a rede elétrica não é explicitamente represen-
tada. Ao invés disso, será utilizado um modelo simplificado no
qual supõe-se que tanto a carga total PL quanto as unidades ge-
radoras estão conectadas a uma única barra, como indica a figura
1.1. As perdas de transmissão serão inicialmente desprezadas.
Figura 1.1: Representação de N unidades térmicas conectadas a uma única barra.
Seja Fi (Pi) a função custo da i-ésima unidade geradora,

expressa em $/h, onde Pi é a potência gerada pela unidade i. A
função custo total do sistema é então dada por:
FT ( P1 , P2 , .., PN ) = ∑ iN=1 Fi ( Pi ) (1.2)
23
1 Despacho econômico de unidades térmicas
Observa-se que a função custo (equação 1.2) FT é separá-

vel por unidade geradora.
Desprezando-se as perdas de transmissão, um despacho
viável das unidades geradoras deve satisfazer à equação de ba-
lanço de potência:
N
∑P = P i L
i =1 (1.3)
Além disso, cada unidade geradora está sujeita a seus limi-
tes mínimo e máximo de geração, ou seja:
Pi < Pi < Pi , i = 1, ..., N (1.4)
onde Pi e Pi são respectivamente os limites mínimo e má-
ximo de geração para a unidade i.
Despacho econômico de um sistema compos-

to por duas unidades geradoras
Para o caso de um sistema formado por dois turbo gerado-
res alimentando uma carga PL, tem-se:
F T (P1, P2) = F1 (P1) + F2 (P2) (1.5)
O balanço de potência entre geração e carga impõe a se-
guinte restrição de igualdade
PL – P1 – P2 = 0 (1.6)
e ambas as unidades geradoras estão sujeitas a seus limites
mínimo e máximo de geração, isto é
P1 < P < P1 (1.7)
O despacho econômico para este sistema pode então ser for-
mulado como o seguinte problema de otimização com restrições:
min F T (P1, P2) = F1 (P1) + F2 (P2)
s.a.
PL – P1 – P2 = 0
24
DESPACHO ECONÔMICO DE ENERGIA
P1 – P1 ≤ 0
- P1 + P1 ≤ 0
P2 – P2 ≤ 0
- P2 + P2 ≤ 0 (1.8)
A função Lagrangeana correspondente a este problema de
otimização é:
(P1 , P2 , λ , π 1 , π 1 , π 2 , π 2 ) = F1 (P1 ) + F2 (P2 ) + λ (PL – P1 – P2 )
+ π 1 (P1 – P1 ) + π 1 (-P– P1 ) + π 2 (P2 – P2 ) + π 2 (-P2 – P2 ) (1.9)
onde λ , π i , π i são multiplicadores de Lagrange. As con-
dições de otimalidade de Karush-Fuhn-Tucker na solução ótima
são:
a) Condições de factibilidade dual:
F1 ' ( P1 ) – λ + π 1 – π 1 = 0
F2 ' ( P2 ) – λ + π 2 – π 2 = 0 (1.10)
b) Condições de factibilidade primal:
PL – P1 – P2 = 0
P1 - P1 ≤ 0
- P1 + P1 ≤ 0 (1.11)
P2 - P2 ≤ 0
- P2 + P2 ≤ 0
c) Condições de folga complementar:
π 1 ( P1 − P1 ) = 0, π 1 (- P1 − P1 ) = 0, π 1 ≥ 0, π 1 ≥ 0
π 2 ( P2 − P2 ) = 0, π 2 (- P2 − P2 ) = 0, π 2 ≥ 0, π 2 ≥ 0 (1.12)
Tem-se os seguintes casos particulares do problema
Caso 1: Nenhum limite de geração é atingido

Neste caso não há restrição de desigualdade ativa, e portan-
to π i e π i , i = 1, 2, são todos iguais a zero. Da equação (1.10),
observa-se, portanto, que a solução ótima é obtida quando:
25
F1 ' ( P1 ) = F2 ' ( P2 ) = λ
(1.13)
Isto é, os custos incrementais dos geradores são iguais en-
tre si e iguais a λ . A figura 1.2 ilustra esta condição para se
obter o mínimo custo de geração.
Figura 1.2: Condição de mínimo custo de operação quando nenhum limite de geração é
atingido.
Caso 2: P1 está no limite superior (P1 = P1)

Para esta situação, as condições da equação (1.12) preco-
nizam que π 1 > 0 e que os demais multiplicadores de Lagrange
das restrições de desigualdade sejam todos nulos. Consequente-
mente, as equações (1.10) fornecem:
F1 ' ( P1 * ) – λ * + π 1* = 0 C1' ( P1 ) = λ * − π 1 < λ (1.14)
ou seja, o custo incremental do gerador 1 será sempre me-
nor que λ , enquanto que o custo incremental do gerador livre
será igual a λ . Este caso está ilustrado na figura 1.3.
26
Figura 1.3: Valores relativos dos custos incrementais quando o gerador 1 atinge seu limite
superior.
Caso 3: P1 está em seu limite inferior (P1 = P1)

Neste caso, π 1 > 0 , e os demais π i ’s são todos nulos. Por-
tanto, tem-se:
F1 ' ( P1 * ) – λ * + π 1* = 0 F1 ' ( P1 * ) = λ * − π 1 > λ
F2 ' ( P2 * ) – λ * = 0 F2 ' ( P2 * ) = λ
(1.15)
Conclui-se que, quando um gerador atinge seu limite infe-
rior, seu custo incremental tenderá a ser maior que λ . Esta é a
situação mostrada na figura 1.4.
Figura 1.4: Valores relativos dos custos incrementais quando o gerador 2 atinge seu limite
inferior.
27
Caso 4: Ambos os geradores estão em (algum de)

seus limites
P1 = P1 π 1 ≥ 0, π 1 = 0
P2 = P2 π 2 ≥ 0, π 2 ≥ 0, π 2 = 0
F1 ( P1 ) = λ − π 1
'
F2 ' ( P2 ) = λ − π 2 (1.16)
Neste caso, os valores para λ , π 1 e π 2 são indeterminados.
Generalização para o caso de N unidades ge-

radoras
No caso de N unidades geradoras, o problema de despacho
econômico é formulado como:
min F1 (P1) + F2 (P2) + ... + FN (PN )
s.a.
Pl – P1 – P2 - ... – Pn = 0 (1.17)
Pi − Pi ≤ 0 
 i = 1, ..., N
− Pi + Pi ≤ 0 
A partir das análises feitas e supondo que ao menos um
gerador não atinge nenhum limite, pode-se sumarizar as condi-
ções para se obter o despacho econômico como:
Se Pi < Pi e Pi < Pi
* *
Fi ' ( Pi ) = λ
Se Pi < Pi
*
Fi ' ( Pi ) < λ (1.18)
Se Pi < Pi
*
Fi ' ( Pi ) > λ
A figura ilustra as condições de otimalidade para o caso de
três unidades geradoras.
28
Figura 1.5: Condições de otimalidade para várias unidades geradoras.
Interpretação do multiplicador de Lagrange
Considera-se novamente o problema de despacho de N

unidades geradoras. Por simplicidade (porém, sem perda de ge-
neralidade), nesta seção não serão representados os limites de
geração. Neste caso, o problema é formulado como:
min Ft (P) = ∑ iN=1 Fi ( Pi )
s.a.
eT P – PL = 0 (1.19)
onde: eT = [1 1 ... 1] e PT = [P1 P2 ... PN ].
L = F T (P) + λ (PL - e TP) (1.20)

A função Lagrangeana correspondente é:
e as condições de otimalidade (KKT) são:

1 - Condição de factibilidade dual
L =0 FT ( P * ) = λ * e
∂P (1.21)
ou, equivalentemente:
∂ Fi ( Pi * )
= λ * , i = 1, ..., N
∂ Pi (1.22)
2 - Condição de factibilidade primal
29
L =0 eT P * = PL
∂λ (1.23)
isto é,
∑ N
P = PL (1.24)
i =1 i
*
Considera-se uma variação de carga de PL para PL + ΔPL .

Em consequência, o despacho variará desde o valor ótimo P*
para P* + ΔP. Para garantir o balanço de potência, tem-se que:
eT (P* + ΔP) = PL + ΔPL (1.25)
ou utilizando a equação (1.23),
eT ΔP = ΔPL (1.26)
A consequente variação do custo total será:
Δ
ΔF T = F T (P* + ΔP) – F T (P*) ≈ T F T (P*) ΔP (1.27)
Utilizando a equação (1.21), pode-se escrever:
ΔF T ≈ λ* eT ΔP (1.28)
ou ainda, usando (1.26) em (1.28):
ΔF T ≈ λ* ΔPL (1.29)
Portanto, dentro da precisão de primeira ordem, tem-se:
F
λ* = T
PL (1.30)
ou seja, λ* é o incremento de custo em relação ao despacho
ótimo para se gerar o próximo MW de potência. Isto é, λ* é o
custo marginal de operação do sistema. Esta conclusão se aplica
mesmo quando as restrições de desigualdade referentes aos limi-
tes de geração estão presentes.
Fatores de Participação
A carga de um sistema de potência varia ao longo do tem-
po, mas o DE só é resolvido para certos instantes de tempo. Nos
intervalos entre os instantes em que as soluções do problema
de DE são determinadas, os fatores de participação permitem
30
extrapolar os resultados da solução mais recente, a qual define

o chamado ponto-base. Através desses fatores, o despachante
pode calcular como o despacho de cada unidade geradora deve
ser alterado para uma dada variação de carga, de modo que a
nova carga seja atendida da forma mais econômica possível.
Se partirá da suposição de que tanto a primeira derivada,
F’, quanto a segunda derivada, F”, da função-custo podem ser
calculadas. Considera-se, portanto, a curva de custo incremental
da figura 1.6. Um aumento do custo marginal do sistema de λ 0
para λ 0 + Δλ implica em um aumento de geração da unidade i;
de magnitude ΔPi: Supondo que estas variações são pequenas,
pode-se inferir da figura 1.5 que:
λ = Fi " ( Pi 0 ) Pi (1.31)
Para cada uma das N unidades geradoras, tem-se, portan-
to, que:
λ
PL = " 0 , i = 1, ..., N
Fi ( Pi ) (1.32)
Figura 1.6: Relação entre Δλ e ΔP:

Logo:
 1 
PL = ∑ iN=1 Pi = λ ∑ iN=1  " 0 
 Fi ( Pi )  (1.33)
31
ou, usando a equação (1.31):

  1 
PL =  Fi " ( Pi 0 ) x ∑ iN=1  " 0   × Pi
  Fi ( Pi )   (1.34)
A partir da equação (1.34) define-se o Fator de Participação
para a unidade i como:
 1 
 P 
 Fi ( Pi 0 ) 
"
f part =  i  =
 PL   1 
∑ iN=1  F " (P 0 ) 
i i (1.35)
Despacho econômico com funções-custo

lineares por partes
Algumas empresas representam as funções-custo de seus
geradores como funções formadas por múltiplos segmentos li-
neares, como mostrado no gráfico superior da figura 1.7. Neste
caso, o procedimento para determinar o despacho econômico
pode ser consideravelmente simplificado. Os passos abaixo su-
marizam o procedimento a ser seguido, que é frequentemente
referido como empilhamento.
Figura 1.7: Aproximação linear por partes de função-custo (acima) e da função de custo
incremental correspondente (abaixo).
32
• Considerando todas as unidades que estão em serviço,

começa-se com a de menor custo incremental a partir
de P (Pmin);
• Quando o custo da unidade de menor custo incremen-
tal atinge o limite superior de seu segmento linear, ou
se atinge P, procura-se a unidade com o próximo custo
incremental mais baixo e aumenta-se sua geração;
• Chega-se finalmente à situação em que a geração de uma
unidade está sendo aumentada e o total de toda a potên-
cia gerada iguala a carga (ou carga + perdas de transmis-
são). Neste ponto, esta última unidade é parcialmente
carregada (sobre o segmento respectivo). Se houver duas
unidades com o mesmo custo incremental, simplesmen-
te divide-se igualmente a carga entre as mesmas.
Este procedimento pode ser operacionalizado com o au-
xílio de uma tabela contendo cada segmento de cada unidade
e sua respectiva contribuição em MW (isto é, a potência do
extremo direito do segmento menos a potência do extremo es-
querdo). Em seguida, esta tabela é organizada em ordem cres-
cente dos custos incrementais de todas as unidades disponíveis
para despacho. A busca de cima para baixo na tabela propor-
ciona a solução do problema de despacho econômico de forma
bastante eficiente.
33
MÉTODOS COMPUTACIONAIS PARA O

DESPACHO ECONÔMICO
Para a solução de problemas de despacho econômico realís-
ticos, envolvendo grande número de unidades geradoras, torna-
se necessário o uso de algoritmos especializados. Serão vistos
nesta seção três algoritmos: o método da secante, o método do
gradiente reduzido e uma especialização do método Primal-Du-
al de Pontos Interiores para a solução do despacho econômico
de unidades térmicas.
Método da secante
Trata-se do método clássico para a solução do despacho
econômico. A partir de duas sugestões iniciais para o custo mar-
ginal λ, projeta um novo valor de λ. O procedimento se repe-
te iterativamente, sempre projetando um novo valor de custo
marginal a partir dos dois últimos valores calculados para esta
variável. O critério de convergência baseia-se no cumprimento
da equação de balanço de potência e o algoritmo não permite
a violação dos limites de geração. As etapas do algoritmo são
descritas abaixo.
Algoritmo 1: Método da Secante

1 - Supor um λ inicial, λ(1); e fazer k = 0;
2 - K ← k + 1;
3 - Com o valor de λ(k), obter Pi(k) das curvas de custo in-
cremental, i = 1, ... , N. Caso Pi caia fora dos limites,
fixa-lo no valor do limite ultrapassado;
4 - Somar ∑ N
P
i =1 i
(k )
= PL ( k )
34
Se k = 1, sugerir outro valor para λ, λ(2), e retornar ao pas-

so 2 (O procedimento usual é utilizar um valor de λ(2) cerca de
10% acima ou abaixo do valor de partida, dependendo do sinal
de erro ξ;
5 - Seja ξ = PL - PL(k). Se |ξ| > δ, com δ fixado em um
valor pequeno, projetar λ usando o método da secante:
6 -
∑ N
P
i =1 i= PL ( k ) (1.36)
(k )
e retornar ao passo 2. Por outro lado, se |ξ| ≤ δ a conver-

gência foi atingida, FIM.
A figura 1.8 ilustra o mecanismo de projeção de um novo λ
a partir dos dois últimos valores calculados. A ordenada de λ(i)
é o resíduo da equação de balanço de potência ξ(i) correspon-
dente. Supõe-se, por exemplo, que os pontos (λ(1), ξ(1)) e (λ(2), ξ(2))
tenham sido determinados. O novo valor de λ(3) é obtido através
da equação (1.36), que neste caso fornece uma interpolação dos
dois pontos anteriores. Em seguida, os pontos (λ(2), ξ(2)) e (λ(3),
ξ(3)) são utilizados para determinar λ(4), e assim por diante.
Figura 1.8: Projeção de um novo λ a partir dos dois últimos valores calculados.
35
Método do gradiente reduzido

O método do gradiente reduzido é um procedimento prá-
tico para explorar as condições de Karush-Kuhn-Tucker. O
método considera que as variáveis Pi são divididas em 2 gru-
pos: dependentes e de controle. Há tantas variáveis dependentes
quantas forem as restrições de igualdade. Como no problema de
DE só há uma restrição de igualdade (que é a equação de balan-
ço de potência), usa-se uma das potências geradas como variável
dependente. Chama-se esta variável dependente de Pj.
Originalmente, a função Lagrangeana (sem considerar, por
L = ∑ Fi (Pi ) + λ (PL - ∑Pi ) (1.37)

enquanto, os limites de geração) é:
Porém, se for calculado Pj a partir das variáveis de controle

Pi, i ≠ j, como:
Pj = PL – ∑ i≠j Pi (1.38)
assegura-se o cumprimento da restrição de igualdade, de
modo que o problema de otimização torna-se irrestrito, com
função-objetivo dada por
FT = ∑ i≠j Fi (Pi ) + Fj (P1, ... , Pj-1, Pj+1, ... , PN ) (1.39)
Algoritmo 2: Método do gradiente reduzido

1 - Estimar valores iniciais para os Pi de controle, que es-
tejam dentro dos limites (logo, π i = π i = 0 para as
variáveis de controle);
2 - Da restrição de igualdade (equação 1.38), calcular a va-
riável dependente, Pj;
3 - De dFj , calcular λ (supõe-se que Pj não atinge limites);
dPj
4 - Todos os demais componentes de L:
∆
36
L = i −λ i≠i
∂ dF
∂ Pi dPi (1.40)
dFj
formam o gradiente reduzido (por não incluir ). Este
dPj
define a direção de máxima variação de L quando referido às
variáveis de controle Pi. Usando o gradiente reduzido, calcular:
 dF 
Pi ( novo ) = Pi ( velho ) − α  j − λ  , i ≠ j
 dPj  (1.41)
onde α > 0 controla a magnitude do passo;
5 - Os Pi(novo) não são permitidos de exceder seus limites, de
forma a manter os π i e π i nulos;
Retornar ao passo 2 e iterar até que L não mais se reduza.

No algoritmo acima, verifica-se que as únicas restrições
não consideradas são as relativas aos limites de Pj. Estas podem
ser incluídas como termos penalizantes, do tipo:
... + r (Pj – Pj )2 + r (Pj - Pj )2 (1.42)
que devem ser adicionadas a L , mas apenas quando hou-

ver violação dos limites de Pj. Os parâmetros r e r podem ser
aumentados após o passo 2 se a violação tender a aumentar a
cada iteração.
Solução pelo método primal/dual de pontos

interiores
Interpretação do método
A principal dificuldade dos dois algoritmos apresentados
nas seções anteriores é o tratamento das restrições de desigual-
dade. O método apresentado nesta seção contorna esta dificul-
37
dade pois estabelece e resolve iterativamente as condições de

otimalidade de Karush-Kuhn-Tucker (KKT).
O problema completo de despacho econômico é reenun-
ciado abaixo, agora introduzindo variáveis de folga para con-
verter as restrições de desigualdade em restrições de igualdade.
Nota-se que estas variáveis, Si e Si; devem ser necessariamente
não-negativas. Chama-se este problema de Problema DE.
min Ft (P) = ∑ iN=1 Fi N ( Pi )
s.a.
PL – ∑ i =1 Fi N ( Pi ) = 0
N
Pi + Si =- Pi i = 1, ... , N (1.43)

Pi + Si = Pi i = 1, ... , N
Si , Si ≥ 0, i = 1, ... , N
L ( P, λ , π , π , s , s ) = FT (P) + λ T (PL − eT P)
+π T (P + S − P ) + π T (-P + S + P ) (1.44)
onde π e π são os vetores N x 1 dos multiplicadores de La-
grange das restrições de limites superiores e inferiores das uni-
dades geradoras, respectivamente. Para simplificar o lado direito
da equação (1.44), nota-se que, se definirmos:
 I   S   π   P 
FP    S S  π  π  Plim   
 −I       − P  (1.45)
a função Lagrangeana torna-se:
L ( P, λ , π , s ) = FT (P) + λ T (PL − eT P) + π T (FP P + S − Plim ) (1.46)
As condições de KKT para o Lagrangeano da equação
(1.46) são:
38
L = FT − λ e + FPT π = 0
L = PL − eT P = 0
P
L = FP P + S − Plim = 0 (1.47)

λ
e as condições de folga complementar:

Siπ i = 0 

Si ≥ 0  i = 1, ..., 2N
π i ≥ 0  (1.48)
Como se sabe, a solução ótima deve obedecer simultane-
amente às condições (1.47) e (1.48). Os fatores complicadores
são as condições de folga complementar (1.48) e em particular
as condições de não-negatividade de si e πi: Poder-se-ia pensar
em resolver apenas o sistema de equações formado por (1.47)
e a equação em (1.48), mas não se teria nenhuma garantia de
que as desigualdades seriam cumpridas. Artifícios para manter
a não-negatividade de si e πi, tais como através da imposição de
penalidades, não têm sido bem-sucedidos na prática.
A figura 1.9 ilustra mais claramente o problema. Represen-
tando si e πi sobre eixos ortogonais, conforme indicado na fi-
gura, verifica-se que as condições de complementaridade (1.48)
exigem que a solução esteja ou sobre o semieixo vertical po-
sitivo, ou sobre o semieixo horizontal positivo. Esta condição
não-analítica é muito severa para os algoritmos iterativos con-
vencionais baseados no método de Newton. Como se sabe, o
desempenho desses métodos depende fortemente da condição
inicial, e é difícil prever uma condição inicial que leve ao cum-
primento automático da não-negatividade de si e πi.
39
Figura 1.9: Interpretação gráfica da condição de folga complementar e sua relaxação através
do parâmetro μ.
O método primal-dual de pontos interiores (MPDPI) re-

solve este impasse relaxando as condições de complementarida-
de, através da introdução de um parâmetro positivo. A primeira
das condições (1.48) assim relaxada torna-se:
si πi = μ, i = 1, ... , 2N (1.49)
Conforme observado da figura 1.9, para um valor relativa-
mente alto de μ (curva pontilhada da figura), a função corres-
pondente à condição de folga complementar relaxada é suave e
analítica, o que facilita a obtenção de uma solução. Denota-se
por Problema DEμ o problema de otimização relaxado através
de um dado valor de μ.
Embora seja mais fácil resolver DEμ, observa-se que a re-
laxação da folga complementar altera o problema original DE.
As soluções dos dois problemas só se aproximam para valores
de μ próximos a zero. O procedimento adotado é então o se-
guinte: o valor inicial sugerido para μ é grande o suficiente para
facilitar a obtenção de uma solução do sistema composto pelas
equações. (1.47) e (1.49). Em seguida, μ é reduzido, e a solução
do problema anterior é usada como condição inicial para o se-
gundo problema. O processo de redução de μ é repetido, sempre
40
se utilizando o resultado do problema anterior como condição

inicial para o problema atual. Quando μ tender a zero, se terá
alcançado a solução do Problema DE. Pode-se representar esta
solução sequencial como:
DEμ1 → DEμ2 → ... → DEμk →... → DE (1.50)
onde:
μ1 > μ2 > ... > μk > 0 (1.51)
Solução do problema relaxado

Para que se possa expressar matricialmente a condição de
folga complementar relaxada dada pela equação (1.49), define-se
a matriz S, de dimensão 2N x 2N, como:
S = diag {Si , ..., SN , S1 , ..., SN } (1.52)
Lembrando que e representa um vetor em que todos os ele-
mentos são iguais à unidade, de dimensão apropriada, pode-se
reescrever a equação (1.49) como:
S π - μ e = 0 (1.53)
Desta forma, o sistema de equações a ser resolvido para
um valor genérico de μ é formado pelas equações (1.47) e (1.53):
FT − λ e + FPT π = 0
PL - eT P = 0 (1.54)
FP P + s - Plim = 0
S π - μk e = 0
Supondo que se dispõe de estimativas iniciais (p0, s0, π^0)
que satisfazem:
s0 = 0
π0 = 0
P0 + s0 = P (1.55)
-P0 + s0 = P
41
isto é, que o ponto de partida para esta iteração é interior

à região viável, então as equações do método de Newton para
gerar uma direção de busca Δx, onde
Δx = [∆P, ∆λ, Δπ, ∆s]T (1.56)
L l k = − L l k (1.57)
são obtidas de
2
no ponto k. Calculando a Hessiana de L , este sistema torna-se:

onde a notação lk indica que a função à esquerda é calculada
GK P − e λ + FPT π = bP( k )
– e ΔP = b λ( k )
FP ΔP + Δs = bπ( k ) (1.58)
S Δπ + Π ΔS = bs( k )
onde
GK  2
FT (Pk )
e
bu( k )  − L lk
L lk
P
bλ( k )  −
L lk
λ
bπ( k )  −
L l k (1.60)
π
bs( k )  − s
Matricialmente, as equações (1.60) são escritas como:

 Gk − e FPT 0  
 bu( k ) 
  P 
 bλ( k ) 
 −e
T
0 0 0  λ   (1.61)
 F 0 0 I  π  bπ( k ) 
 P  
 0 0 S Π   S  bS( k ) 
 
onde Π  diag {π1, ..., πN , π1, ..., πN}
42
atualização das variáveis

A cada passo k, a equação (1.61) deve ser resolvida e os in-
crementos Δx calculados para atualizar as variáveis primais (P e
s) e as variáveis duais (λ e π). Entretanto, os tamanhos de passo
devem ser dimensionados de modo a preservar as condições
de não-negatividade de si e πi. Esta preocupação é justificada
pelo fato que componentes de Δs e Δπ podem evidentemente
ser negativos (se nenhum componente for negativo, então um
passo pleno do método de Newton pode ser adotado). Portan-
to os tamanhos de passo para as variáveis primais e duais são
dados por:
 Sj 
α p = min min ,1
S j 
S j <0

(1.62)
 πj 
α d = min min π j <0 ,1
 π j 
As variáveis são então atualizadas como:
Pk+1 = Pk + p αp ΔP
λk+1 = λk + p αd Δλ (1.63)
π(k+1) = πk + p αd Δπ
sk+1 = sk + p αp Δs
Nota-se que foi introduzido um parâmetro nas equações
de atualização das variáveis. O propósito deste parâmetro é im-
pedir que um componente da nova solução atinja a fronteira da
região viável, o que causaria problemas numéricos no processo
de solução. O valor de p deve ser ligeiramente menor do que 1;0
(caracteristicamente, o valor utilizado é p = 0;9995).
43
Atualização do parâmetro μ
A regra para atualização do parâmetro μ baseia-se no con-
ceito de folga de dualidade (duality gap) da programação linear, e
é usualmente expressa como:
( s k )T x π k
μ= (1.64)
2xNxβ
onde β é um número positivo maior do que 1;0 (tipicamen-
te, μ = 10). O valor inicial para μ pode ser obtido dos valores
iniciais s0 e π0; ou como um outro valor maior que zero (por
exemplo, μ = 5).
Teste de convergência
A convergência do processo iterativo ao longo do qual o
parâmetro μ é reduzido deve ser determinada pelo cumprimen-
to das condições de KKT do problema DE original. Se δ é a
tolerância para convergência (tipicamente, 1 x 10 -8 a 1 x 10 -6),
então a convergência é obtida quando as condições abaixo são
simultaneamente cumpridas:
FT k − λ k + FPT π k ≤ δ
PL − eT p k ≤ δ (1.65)
FP p k + s k − Plim ≤ δ
sikπ ik ≤ δ, i = 1, ..., 2N
As diversas etapas do MPDPI discutidas podem ser orga-

nizadas sob a forma de um algoritmo.
44
Algoritmo 3: solução do problema de despacho econômico

pelo método primal-dual de pontos interiores
1 - Escolha um ponto inicial interior (p0, s0, π0) e um valor
inicial para o parâmetro μ, μ0; inicializar k = 0;
2 - Resolver o problema DEμ usando o método de Newton
inicializado em (pk, sk, πk) para calcular um novo ponto
(pk+1, sk+1, πk+1);
3 - Aplicar os testes de convergência dados pelas equações
(1.65). Se os testes indicam convergência, FIM. Em
caso contrário, seguir para o passo 4;
4 - Faça k = k + 1. Calcule novo valor para o parâmetro de
relaxação, μk < μk-1 e retorne ao passo 2.
Despacho econômico considerando as perdas

de transmissão
Até agora, os métodos de despacho econômico apresen-
tados têm ignorado as perdas de transmissão. Entretanto, as
perdas podem ter um efeito significativo no despacho ótimo,
sobretudo porque geradores diferentes podem ter impactos bas-
tante distintos sobre as perdas de transmissão, em função de sua
localização na rede.
A Fig. 1.10 apresenta duas maneiras distintas de se conside-
rar as perdas de transmissão em estudos de despacho econômi-
co. A figura 1.10, item a) ilustra a abordagem mais precisa, que
consiste em se representar a rede elétrica em detalhes, bem como
as variáveis nodais, na formulação do problema de otimização.
Neste caso, as perdas, que correspondem à energia dissipada por
efeito Joule nas resistências dos ramos da rede, são calculadas de
maneira exata, como nos estudos de fluxo de potência.
45
Figura 1.10: Duas maneiras distintas de se considerar as perdas de transmissão: a) Represen-

tação da rede elétrica em detalhes, b) Extensão do despacho econômico clássico.
Uma forma aproximada de se investigar o efeito das per-

das consiste em representá-las como uma função, usualmente
quadrática, das potências geradas. Se tal função está disponível,
então não há a necessidade de se representar explicitamente a
rede nem as variáveis nodais, e o estudo pode ser conduzido
tendo por base um modelo de barra única, ou seja, como uma
extensão do despacho econômico clássico que ignora as perdas.
Esta formulação é ilustrada na figura 1.10, item b).
Equações de coordenação, perdas incremen-

tais e fatores de penalidade
Interessa-se em avaliar a influência das perdas de transmis-
são no despacho que minimiza os custos da geração térmica.
Os limites de geração inicialmente serão ignorados. Além disso,
define-se:
Φ(P1 , ..., PN )  PL + Pperdas (P1 , ..., PN ) − ∑ iN=1Pi (1.66)
isto é, Φ (P1, ..., PN ) representa o desbalanço entre a po-
tência gerada e a potência demandada, esta última sendo igual à
46
carga total mais perdas de transmissão. Se FT representa os cus-

tos totais de geração térmica, o problema de minimização dos
custos de geração considerando as perdas é enunciado como:
min F T = ∑ iN=1Fi ( Pi )
s.a.
Φ(P1 , ..., PN ) = PL + Pperdas (P1 , ..., PN ) − ∑ iN=1Pi = 0 (1.67)
L = F T + λ Φ (P1 , ..., PN ) (1.68)

A função Lagrangeana associada é, portanto, dada por:
e, supondo que Pi ≤ Pi ≤ Pi, as condições de otimalidade

preconizam que:
L = 0, i = 1, ..., N (1.69)

∂
∂Pi
e
L = Φ (P1, ..., PN ) = 0 (1.70)

∂
∂λ
A condição da equação (1.70) simplesmente reafirma a ne-
cessidade do cumprimento da equação de balanço de potência
na solução final. Concentrando-se, portanto, na equação (1.69),
que fornece
L = i − λ 1 −
∂ ∂F  ∂ Pperdas 
= 0 (1.71)
∂ Pi ∂ Pi  ∂ Pi 
Isolando λ no lado direito, tem-se:
 
 1  ∂ Fi ( Pi )
 x = λ (1.72)
∂P ∂ Pi
 1 − perdas 
 ∂ Pi 
Definindo as perdas incrementais relativas ao gerador i e o
Fator de Penalidade associado ao gerador i como, respectivamente:
47
∂ Pperdas
Perdas incrementais para gerador i 
(1.73)
∂ Pi
1
Fator de Penalidade para gerador i  (1.74)
∂ Pperdas
1−
∂ Pi
Pode-se reescrever a equação (1.72) na forma mais compacta:
dF ( P )
F Pi x i i = λ (1.75)
dPi
Comparando-se a equação (1.75) com a equação corres-
pondente do caso sem perdas supondo geradores livres, dada
pela primeira das equações (1.18). Sem a consideração das per-
das, lembrando que a condição de otimalidade preconiza que
os custos incrementais devem ser todos iguais a λ: na presen-
te situação, entretanto, os custos incrementais devem ser agora
compensados através da ponderação pelos respectivos fatores
de penalidade antes de serem igualados a λ. Esta ponderação
tem o objetivo de fazer refletir no despacho ótimo a influência
da geração de cada gerador individual sobre as perdas.
Suponha, por exemplo, que o aumento da geração do ge-
rador i implique em um aumento das perdas de transmissão do
sistema. Isto significa que as perdas incrementais associadas são
maiores que zero. Considerando que o valor numérico das per-
das incrementais é sempre pequeno, verifica-se que, nesta situa-
ção, F Pi > 1, e, portanto:
dF ( P ) dF ( P )
F Pi i i > i i (1.76)
dPi dPi
Em termos de interpretação gráfica, tudo se passa como se
a curva de custo incremental fosse ligeiramente deslocada para
cima (já que F Pi ; neste caso, é apenas ligeiramente maior que 1;0).
48
Por outro lado, supondo que o aumento da geração do ge-

rador i provoca uma redução das perdas e seguindo o mesmo
raciocínio, conclui-se que
dF ( P ) dF ( P )
F Pi i i > i i (1.77)
dPi dPi
E, portanto, tudo se passa como se a curva de custo incre-
mental fosse ligeiramente deslocada para baixo. A figura 1.11
compara os despachos obtidos na ausência e na presença das
perdas de transmissão para uma situação em que o fator de pe-
nalidade do gerador 1 é maior que 1;0, enquanto que F P2 < 1;0.
As curvas tracejadas indicam os custos incrementais compensa-
dos pelos fatores de penalidade. Observa-se que a consideração
das perdas implicará em um valor maior de λ. Além disso, o
despacho econômico preconiza que o gerador 1, cujas perdas
incrementais são menores que zero, deve aumentar sua geração
em relação ao caso sem perdas, enquanto que o oposto deve va-
ler para o gerador 2; cujas perdas incrementais são maiores que
zero. As equações (1.75) são chamadas equações de coordenação
das perdas de transmissão.
Figura 1.11: Despachos obtidos na ausência e na presença de perdas de transmissão para uma
situação com penalidade.
49
Fórmula geral das perdas

Se suporá que as perdas de transmissão podem ser expres-
sas como uma função das potências geradas. A forma mais usu-
al de expressar esta dependência é através da Fórmula Geral das
Perdas (FGP), segundo a qual as perdas são consideradas como
uma função quadrática das potências geradas, isto é:
Pperdas = b0 + ∑ N
i =1 bi Pi + ∑ N
i =1 ∑ N
j =1 Bij Pi Pj (1.78)
ou, na forma matricial,
Pperdas = b0 + bT P + P T B P (1.79)
onde P  [P1 ... PN ]T e todas as potências são expressas
em pu em uma base comum SB (geralmente SB = 100 MVA).
Os coeficientes b0, bi e Bij que definem a FGP apresentam as
seguintes propriedades:
1 - B é simétrica, isto é, Bij = Bji;
1 - Bii > 0, porém Bij pode ser ≥ 0 ou < 0;
1 - Os coeficientes do termo linear, bi, i = 1, ..., N podem
ser ≥ 0 ou < 0;
2 - O termo constante b0 pode ser ≥ 0 ou < 0;
A determinação da FGP baseia-se em um conjunto de
hipóteses:
• A variação da carga em cada barra é suposta ser uma
porcentagem fixa da variação da carga total do sistema;
• A tensão varia linearmente com a carga total do sis-
tema, de seu valor no pico de carga para seu valor em
carga mínima;
• Existe geração de potência reativa suficiente para ga-
rantir os níveis de tensão do item anterior;
• O fator de potência varia linearmente com a carga total
do sistema, de seu valor em carga mínima para seu va-
lor no pico de carga.
50
Se as perdas são expressas pela FGP, as perdas incremen-

tais para o gerador i utilizadas no cálculo dos fatores de penali-
dade (ver equações. (1.73) e (1.74)) são dadas por:
dPperdas
= bi + 2 ∑ Nj = 1 Bij Pj (1.80)
dPi
ou na forma matricial:
dPperdas
= b + 2 B P (1.81)
dPi
e, portanto, o fator de penalidade para o gerador i será dado
por:
1
F Pi =
1 − (bi + 2 ∑ Nj =1 Bij Pj (1.82)
A presença das perdas incrementais em geral acopla as
equações de coordenação, o que torna a solução mais difícil. O
algoritmo clássico para a solução do despacho econômico na
presença de perdas é dado no próximo subitem.
Algoritmo 4 despacho econômico com perdas de

transmissão supondo funções-custo quadráticas
1 - Fornecer valores iniciais pi , i = 1, ..., N;
0
2 - k = 0;
3 - Calcular p perdas
k
usando a FGP;
4 - Calcular os fatores de penalidade:
1
F pik = , i = 1, ..., N
1 − 2 ∑ Bij p kj – bi
5 - k ← k + 1;
6 - Resolver o sistema de equações lineares de coordena-
ção e obter pi , i = 1, ..., N e λ k +1 :
k +1
51
dFi ( pik +1 )
F pik = = λ k +1 , i = 1, , N ,i = 1, ..., N
dPi
∑ i =1 pik +1 = PL + p perdas
N k
7 - Calcular
 p  = max pi( k −1) − pi( k ) , i = 1, ..., N
8 - Se  p < δ , Fim. Senão, retornar ao passo 3.

Observação nº 1: O algoritmo baseia-se no uso de funções-
custo quadráticas. Como os fatores de penalidades e as perdas
são supostos temporariamente constantes, o conjunto das equa-
ções de coordenação e da equação de balanço de carga forma
um sistema linear, que pode ser prontamente resolvido para pi;
i = 1; ..., N; e para λ.
Observação nº 2: No caso de funções-custo não-quadrá-
ticas, as equações do passo 6 do Algoritmo 4 não serão mais
lineares e, portanto, um método iterativo tem que ser usado para
resolvê-las.
52
LEVANTAMENTO EXPERIMENTAL DA
FÓRMULA GERAL DAS PERDAS
A FGP pode ser levantada através de ensaios realizados
com o auxílio de um programa de fluxo de potência, através
do qual é gerada uma massa de dados composta pelas potên-
cias geradas para diversos carregamentos e valores das perdas
de transmissão correspondentes. A partir destes dados, métodos
de regressão não-linear são utilizados para se determinar os co-
eficientes b0; bi e Bij.
A Fórmula Geral das Perdas é dada por:
Pperdas = b0 + b P + P T B P (1.83)
Considerando que a matriz B é simétrica (Bij = Bji), então
o número de parâmetros a determinar é dado por:
1
N b = 1 + N + N(N + 1) (1.84)
2
Perdas para uma condição de operação gené-

rica em função das perdas do caso base
Considera-se que a solução do caso base acima referido está
disponível. As grandezas associadas ao caso base serão deno-
tadas pelo sobrescrito 0. Supõe-se que se queira determinar as
perdas para um novo caso k, obtido do caso base através de
uma perturbação introduzida na geração do sistema de potência
em estudo. Adicionalmente, supõe-se temporariamente que a
função exata das perdas seja conhecida. Usando a expansão em
série de Taylor até os termos de 2a ordem, as perdas correspon-
dentes ao caso k podem ser aproximadamente calculadas como:
53
δ Pperdas 1 δ 2 Pperdas
p perdas
k
≈ p 0perdas + ∑ iN=1 (iN=1 ( ) P i k + ∑ iN=1 ∑ Nj =1 ( )
δ Pi 0 2 δ Piδ Pj 0
P k P k (1.85)
i j
onde P i k  P i k − Pi 0 . Se for definido

δ Pperdas
gj  ( )0
δ Pi (1.86)
δ 2 Pperdas
H ij  ( )0
δ Pi δ Pj (1.87)
pode-se expressar a equação (1.85) como:
1
Pperdas
k
= Pperdas
0
+ ∑ iN=1 gi Pi k + ∑ iN=1 ∑ Nj =1 H jj Pi k Pjk (1.88)
2
Nota-se que, por construção dos casos de fluxo de potên-
cia, as quantidades Pperdas
k
, Pperdas
0
Pi k e Pj são conhecidas,
k
enquanto que as incógnitas são as derivadas parciais gi e Hij.

Para simplificar adicionalmente a notação, define-se
δ ik  Pi k (1.89)
k
ij  Pi k Pjk (1.90)
e
yk  Pperdas
k
− Pperdas
0
(1.91)
Nota-se que os valores de δ ik , ijk e yk são todos conheci-
dos. Considerando as definições dadas pelas equações (1.89) a
(1.91), a equação (1.88), torna-se
k 1
yk = ∑ iN=1 gi δ i + ∑ iN=1 ∑ Nj =1 H jj ijk
(1.92)
2
que, na forma matricial pode ser escrita como
yk = ak x (1.93)
54
onde o vetor-linha de quantidades conhecidas ak é defini-

do como:
ak δ 1kδ 2k …δ nk k
11
k
12 … k
NN  (1.94)
e o vetor-coluna das incógnitas é dado por
x [ g1 g2 … gn H11 H12 … H NN ]
T
(1.95)
Método para determinação do vetor x

O procedimento acima indica como obter uma relação li-
near entre os incrementos de perdas de um caso genérico k em
relação ao caso base e as incógnitas (derivadas parciais da função
de perdas) contidas no vetor x. Pode-se, portanto, gerar diversos
casos de fluxo de potência alterando as condições de operação
do sistema conforme as diretrizes indicadas abaixo, sendo que
cada novo caso gerará uma equação do tipo da equação (1.93).
Supondo que tenham sido gerados Nc casos, Nc > Nb,
pode-se estender a equação (1.93) da seguinte forma:
y = A x (1.96)
onde o vetor y (NC x 1) e a matriz A (Nc x Nb ) são defini-
dos como:
 y1   a1 
   
y2  a2
y A  (1.97)
   
   aNc 
 yNc   

O sistema de equações (1.96) é redundante (sobredetermi-
nado). Para determinar uma estimativa para x, pode-se usar o
método de regressão linear baseado na técnica dos mínimos
quadrados, o que fornece como resultado:
x = ( A T A )−1 A T y (1.98)
55
As diretrizes a serem seguidas na geração dos novos casos

são as seguintes:
• Fazer variar aleatoriamente as gerações (usando dis-
tribuição uniforme, por exemplo) em relação às do
caso base;
• Verificar se a carga resultante é coerente com carrega-
mentos reais do sistema;
• A partir das duas observações acima, selecionar casos
em número suficiente, Nc, isto é, Nc > Nb;
• Executar os fluxos de potência correspondentes aos ca-
sos selecionados e calcular as perdas respectivas;
• Aplicar uma técnica de regressão linear para calcular as
derivadas parciais da expansão em série de Taylor.
Determinação dos parâmetros da fórmula ge-

ral das perdas
Para se determinar os parâmetros da FGP, reexamina-se a
equação (1.88) agora escrita na forma matricial:
1
Pperdas
k
= Pperdas
0
+ g T (P − P 0) + (P − P 0)T H (P − P 0)
2 (1.99)
a qual pode ser reescrita como:
 0 1 
Pperdas
k
=  Pperdas − g T P 0 + P 0 T H P 0 + ( g T − ( P 0 )T H) P
 2 
(1.100)
1 
+P +  H  P
T
2 
Comparando as equações (1.83) com (1.100), verifica-se que
os parâmetros da FGP podem agora ser facilmente determina-
dos como:
56
1 0T
b0 = ( Pperdas
0
− gT P 0 + P H P 0)
2
bT = g T − ( P 0 )T H (1.101)
1
B= H
2
57
EXEMPLOS
Exemplo 1.1
Considerando-se que o sistema de potência é alimentado
por três unidades geradoras térmicas, cujas funções de taxa de
calor H e limites de geração são dados na tabela 1.1. O combus-
tível para a unidade 1 é o carvão, enquanto que as unidades 2 e
3 são a óleo. Sabendo-se que os preços destes combustíveis são
estimados em:
fcarvão = 1,10 $/MBtu e fóleo = 1,00 $/MBtu
e que a carga a ser alimentada é PL = 850 MW, determine
o despacho econômico das três unidades.
Unidade 1: P1 = 150 MW P1 = 600 MW

Carvão H1 (P1) = 510 + 7,2 P1 + 0,00142 P12
Unidade 2: P2 = 100 MW P2 = 400 MW
Óleo H2 (P2) = 310 + 7,85 P2 + 0,00194 P22
Unidade 3: P3 = 50 MW P3 = 200 MW
Óleo H3 (P3) = 78 + 7,97 P3 + 0,00482 P32
Tabela 1.1: Dados das unidades para o exemplo 1.1.
Unidade 1: P1 = 150 MW P1 = 600 MW

Carvão F1 (P1) = 561 + 7,92 P1 + 0,001562 P12
Unidade 2: P2 = 100 MW P2 = 400 MW
Óleo F2 (P2) = 310 + 7,85 P2 + 0,00194 P22
Unidade 3: P3 = 50 MW P3 = 200 MW
Óleo H3 (P3) = 78 + 7,97 P3 + 0,00482 P32
Tabela 1.2: Funções-custo em $/h para o exemplo 1.1.
Solução:
Em primeiro lugar, é importante enfatizar que, em proble-
ma desta natureza, parte-se da premissa que as três unidades de-
58
vem necessariamente estar em operação, conforme previamente

determinado pela função de Alocação de Unidades. Isto signifi-
ca que cada uma delas deve no mínimo gerar uma potência igual
ao seu limite mínimo de geração.
A partir dos preços dos combustíveis e dos dados da tabela
1.1, e lembrando ainda que
Fi (Pi ) = f i x Hi (Pi )
pode-se determinar as funções-custo em $/h das três uni-
dades, que são dadas na tabela 1.2.
Para determinar o despacho econômico, ignora-se os limi-
tes de geração, supondo, portanto, que todas as máquinas estão
livres. De acordo com as condições de otimalidade (1.18), se terá
neste caso que satisfazer as condições:
F1'(P1 ) = 7, 92 + 0, 003124 P1 = λ
F2'(P2 ) = 7, 85 + 0, 00388 P2 = λ
(1.102)
F3'(P3 ) = 7, 97 + 0, 00964 P3 = λ
Além disso, a restrição de balanço de carga deve ser satis-
feita, isto é:
P1 + P2 + P3 = 850 (1.103)
As equações (1.102) e (1.103) formam um sistema linear de
4 equações e 4 incógnitas, que pode ser escrito como:
 0, 003124 0 0 −1  P1   −7, 92 
    
 0 0, 003880 0 −1  P2  =  −7, 85 
 0 0 0, 009640 −1  P3   −7, 97 
    850 
 1 1 0 0  λ   
cuja solução fornece:
P1 = 393,2 MW
P2 = 334,6 MW
P3 = 122,2 MW
59
e
λ = 9,148 $/MWh
Verifica-se, portanto, que os despachos individuais da má-
quina não desrespeitam os respectivos limites, sendo a solução
encontrada viável. Finalmente,
F T = F1 (P1) + F2 (P2) + F3 (P3) = 8.194,4 $/h
é o custo total de operação correspondente ao despacho
ótimo.
Exemplo 1.2
Reconsiderando o exemplo 1.1, supondo agora que o preço
do carvão foi reduzido para
fcarvão = 0,90 $/MBtu
Como isto afetará o despacho ótimo das três unidades?
Solução:
A alteração no preço do carvão afetará a função-custo da
unidade 1, que será dada por:
F1 (P1) = 459 + 6,48 P1 + 0,00128 P12
Seguindo o mesmo método de solução, se obteria λ =
8,284 $/MWh e
P1 = 704,6 MW ⇒ P1 > P1
P2 = 118,6 MW ⇒ ok.
P3 = 32,6 MW ⇒ P3 < P3
Logo, este despacho não é factível. Como segunda tentati-
va de solução, fixa-se P1 e P3 nos seus valores máximo e mínimo,
respectivamente, deixando P2 livre. Usando a restrição de balan-
ço de carga, obtém-se:
P1 = 600 MW
P2 = 200 MW
P3 = 50 MW
60
que é uma solução claramente factível, à qual corresponde

um custo total de F T = 7.254,0 $/h. Entretanto, a otimalidade
desta solução ainda precisa ser verificada. Para isto, deve-se exa-
minar as condições (1.18), o que requer o cálculo de λ. Como a
unidade 2 opera dentro de seus limites, se conclui que:
λ = F2'( P2 ) = F2' (200) = 8, 626 $ / MWh
Calculando os custos incrementais das demais máquinas e
comparando-os com λ, se vê que:
F1'(600) = 8, 016 $ / MWh < λ ok
F3'(50) = 8, 452 $ / MWh > λ não está ok
Portanto, este despacho não obedece às condições de
otimalidade.
Para empreender uma terceira tentativa de solução, se ob-
serva que a hipótese feita na segunda tentativa de P1 deve, em
princípio, estar correta, já que F1 (600) < λ . Portanto, se man-
'
tém esta hipótese e se considera que P2 e P3 estão livres. Isto

implica na solução do seguinte sistema linear:
 0, 003880 0 −1   P2   −7, 85 
    
 0 0, 009640 −1   P3  =  −7, 97 
 1 1 0   λ   250 
 
  
cuja solução é:
λ = 8,58 $/MWh
P2 = 187,1 MW
P3 = 62,9 MW
Verifica-se, com razão, que as unidades 2 e 3 operam den-
tro de seus limites, que o balanço de potência é satisfeito e que
continua sendo cumprida a condição F1 (600) < λ . Logo, este
'
despacho ótimo, sendo seu custo total F T = 7.252,8 $/h. Nota-se
61
que este valor é de fato menor que o obtido na segunda tentativa

de solução.
Exemplo 1.3
Reconsiderando o despacho econômico determinado no
exemplo 1.1 e supondo-se que a carga do sistema evolui para
PL = 900 MW. Use os fatores de participação para atualizar o
despacho ótimo das três unidades.
Solução:
Usando a equação (1.35) e os dados do exemplo 1, tem-se:
1
0, 003124
ƒ part 1 = = 0, 47
 1   1   1 
  + +
0, 003124   0, 003388   0, 00964 
1
0, 00388
ƒ part 2 = = 0, 38
 1   1   1 
 0, 003124  +  0, 003388  +  0, 00964 
1
0, 00964
ƒ part 3 = = 0,15
 1   1   1 
 0, 003124  +  0, 003388  +  0, 00964 
Como ΔPL = 900 - 850 = 50 MW, as novas potências gera-

das serão dadas por:
Pi = Pi 0 + ƒ parti × PL
e
P1 = 393,2 + 0,47 x 50 = 416,7 MW
P2 = 334,6 + 0,38 x 50 = 353,6 MW
P3 = 122,2 + 0,15 x 50 = 129,7 MW
62
devem ser as novas potências geradas pelas três unidades.
Exemplo 1.4
Considera-se o caso de duas unidades geradoras, cujos cus-
tos incrementais em $/MWh são dados nos gráficos da figu-
ra 1.10. Supondo carregamentos variáveis desde 70 a 380 MW,
construa uma tabela que forneça, para cada carregamento, o
despacho mais econômico.
Figura 1.12: Características de custos incrementais constantes por partes de duas unidades
térmicas.
λ ($/MWh) Geração (MW) P1 (MW) P2 (MW)

5,0 70 – 110 40 30 – 70
6,0 110 – 150 40 – 80 70
6,5 150 – 170 80 – 100 70
7,0 170 – 205 100 70 – 105
8,0 205 – 225 100 105 – 125
9,1 225 – 275 100 – 150 125
10,0 275 – 325 150 – 200 125
11,0 325 - 380 200 125 - 180
Tabela 1.3: Custos Incrementais para despacho de duas unidades térmicas.
63
Solução:
A partir das características de custo incremental da figura
1.9, pode-se construir a tabela 1.3.
Usando a tabela, pode-se determinar o despacho ótimo
para uma dada carga. Por exemplo, para um carregamento PL =
300 MW, a tabela indica que a unidade 2 deverá gerar 125 MW,
enquanto a unidade 1, que é a unidade que acompanha o cresci-
mento da carga na faixa de 275 a 325 MW, deve gerar 175 MW.
O custo marginal do sistema para este carregamento é igual ao
custo incremental da unidade 1, ou seja, λ = 10 $/MWh.
É interessante notar que o método de despacho por em-
pilhamento, que, conforme foi visto, é oriundo de uma apro-
ximação linear por partes nas curvas de geração, passou a ser
objeto de interesse renovado com o advento da reestruturação
dos setores elétricos. Especificamente, este método é particu-
larmente útil nos casos em que a operação do sistema é baseada
em ofertas de energia feitas pelos agentes geradores, as quais
devem ser selecionadas pelo Operador do Sistema de forma a
se obter a operação mais econômica possível. Neste caso, cada
agente gerador oferta blocos de energia com preços crescentes
com o nível de potência, em uma configuração similar à descrita
pelas curvas de custo incremental de geração da figura 1.9. O
procedimento adotado pelo Operador é essencialmente o em-
pilhamento das ofertas em função dos respectivos preços, de
forma similar à ilustrada neste exemplo.
Exemplo 1.5
Considera-se três unidades geradoras cujas funções custo
F1, F2 e F3 são dadas. A carga do sistema é PL = 100 MW e a tole-
rância para convergência é δ = 1,0 MW. Determine o despacho
econômico através do método da secante.
64
F1 = 10 + 0,10 P1 + 0,01 P12, 20 ≤ P1 ≤ 60 MW

F2 = 15 + 0,15 P2 + 0,015 P22, 10 ≤ P2 ≤ 50 MW
F3 = 20 + 0,20 P3 + 0,01 P32, 10 ≤ P3 ≤ 30 MW
Solução:
Os custos incrementais das três unidades são:
F1' = 0,10 + 0, 02 P1
F2' = 0,15 + 0, 03 P2
F3' = 0, 20 + 0, 02 P3
Partindo de λ(1) = 1,0 $/MWh e seguindo os passos do
algoritmo, tem-se:
1. λ1 = 1,0
2. k = 1
1, 0 − 0,1
3. P1(1) = = 45, 0 MW ok
0, 02
1, 0 − 0,15
P2(1) = = 28, 3 MW ok
0, 03
1, 0 − 0, 2
P3(1) = = 40, 0 MW > P3 P3 = 30 MW
0, 02
4. PL(1) = 45 + 28, 3 + 30 = 103, 3 MW
∑ i PL(1) > PL , PL − ∑ i PL(1) > δ , ζ < 0 decresce para 0,9

5. λ1 = 0,9
6. k = 2
0, 9 − 0,1
7. P1(2 ) = = 40, 0 MW ok
0, 02
0, 9 − 0,15
P2(2 ) = = 25 MW ok
0, 03
0, 9 − 0, 2
P3(2 ) = = 35, 0 > P3 P3(2 ) = 30 MW
0, 02
65
8. PL(2 ) = 40 + 25 + 30 = 95 MW
9. PL − PL(2 ) = 100 − 95 = 5, 0 MW > δ

 λ (2 ) − λ (1) 
λ 3 = λ (2 ) + (PD − PD(2 )) ×  (2 ) = 0, 9 +
 PD − PD(1) 
0, 9 − 1, 0
(100 − 95) × = 0, 96
95 − 103, 3
10. k = 3
0, 96 − 0,1
11. P1( 3) = = 43, 0 MW OK
0, 02
0, 96 − 0,15
P2( 3) = = 27, 0 MW OK
0, 03
0, 96 − 0, 2
P3( 3) = = 38, 0 > P3 P3( 3) = 30 MW
0, 02
12. PL = 43, 0 + 27, 0 + 30, 3 = 100 MW
( 3)
13. PL − PL = 0, 0 MW < δ
(2 )
convergência
Portanto, o despacho econômico resultante para PL = 100
MW é:
P1 = 43,0 MW; P2 = 27,0 MW; P3 = 30,0 MW
Além disso,
λ = 0,96 $/MWh
é o custo marginal para o carregamento considerado.
Exemplo 1.6
Seja o sistema de duas barras da figura 1.12. Os geradores
G1 e G2 tem limites e funções-custo iguais, isto é:
F1 (P1) = F2 (P2) = F(P)
P1 = P2 = P
P1 = P2 = P
66
Onde,
F(P) = 400 + 2,0 P + 0,02 P2 $/h, P = 70 MW, P = 400 MW
Figura 1.13: Sistema de 2 barras com perdas de transmissão.
As perdas na linha de transmissão são dadas por:

Pperdas = 2 × 10 −4 P12
Encontre despachos para as duas unidades geradoras sob
as seguintes condições:
a) Ignorando as perdas;
b) Ignorando a influência econômica das perdas;
c) Minimizando o custo total de geração;
d) Minimizando as perdas.
Solução:
a) Ignorando as perdas: como os geradores são iguais, esta
solução fornece:
P1 = P2 = 250 MW
Porém este valor de P1 na verdade provoca perdas iguais a
Pperdas = (2 x 10 -4 ) x 2502 = 12,5 MW
e por conseguinte a potência que chega à carga é
Pd = 487,5 < 500 MW.
Conclui-se, portanto, que a carga não é atendida.
b) Ignorando a influência econômica das perdas: para aten-
der a carga e as perdas, pode-se pensar em carregar a
67
unidade 1 até que as perdas sejam supridas, a partir do

despacho determinado no item anterior, enquanto a uni-
dade 2 é mantida no valor ótimo ignorando as perdas.
Isto implica em P2 = 250 MW e
P1 = 250 + 0,0002 P12
Resolvendo esta equação do segundo grau e escolhendo a
solução que atende os limites de geração, tem-se:
P1 = 263,932 MW
Além disso:
Pperdas = 13,932 MW
Custo de Produção = F1 (P1 ) + F2 (P2 ) = 4.661,84 $/h
c) Minimizando o custo total de geração: neste caso, se não
se considerar explicitamente os limites de geração o pro-
blema é formulado como
min F T (P1, P2 ) = F1 (P1 ) + F2 (P2 )
sujeito a
PL + Pperdas – P1 – P2 = 0
L = F1 (P1 ) + F2 (P2 ) + λ (PL + Pperdas – P1 – P2 )

E, portanto, as condições de otimalidade fornecem:
L = F1' (P1 ) − λ  1 –
∂  ∂ Pperdas 
 =0
∂ P1  ∂ P1 
L = F2' (P2 ) − λ  1 –
∂  ∂ Pperdas 
 =0
∂ P2  ∂ P2 
P1 + P2 − PL − Pperdas = 0
Substituindo os valores numéricos:
2,0 + 0,004 P1 - λ (1 – 0,0004 P1 ) = 0
2,0 + 0,004 P2 - λ = 0
P1 + P2 -500 – 0,0002 P12 = 0
Nota-se que este sistema de equações é não-linear (produ-
tos λ x Pi e termos não-lineares em P1 devido às perdas). Resol-
68
vendo este sistema através de um método iterativo, se obtém a

seguinte solução:
P1 = 178,882 MW
P2 = 327,496 MW
Pperdas = 4,378 MW (178,882 + 327,496 – 500,0)
Custo de Produção = 4.623,15 $/h.
d) Minimizando as perdas: no caso específico deste proble-
ma, minimizar as perdas claramente implica em carregar
ao máximo a unidade 2 e gerar o mínimo possível na
unidade 1. Logo, P2 = P2 e
P1 = 100 + 0,0002 P_1^2
o que fornece
P1 = 102,084 MW
P2 = 400 MW
Pperdas = 2,084 MW (mínimo)
Custo de Produção = F1 (102,084) + F2 (400) = 4.655,43 $/h.
Comparando as diversas soluções encontradas pode-se ve-
rificar que:
• O custo de geração do despacho econômico é efetiva-
mente o menor dentre as três soluções viáveis, porém
isto não ocorre com as perdas;
• De maneira similar, o valor das perdas obtido no item
d) é o mínimo entre todos os casos, porém, isto não
ocorre para o custo de produção;
• O despacho mais econômico não necessariamente im-
plica na minimização das perdas;
• Observa-se que, no caso do despacho econômico do
item c), que é o que interessa mais de perto, as perdas
correspondem a apenas 1,3% da carga, porém a sua
mera existência provoca um desvio bastante significati-
vo em relação ao caso sem perdas do item a).
69
Exemplo 1.7
Retornando-se ao exemplo 1.1, mas agora incluindo uma
expressão simplificada para as perdas de transmissão, que são
dadas por:
Pperdas = 3 x 10 -5 P12 + 9 x 10 -5 P22 + 12 x 10 -5 P32
Nota-se que esta expressão corresponde a um caso particu-
lar da FGP, em que:
b0 = 0, b = 0, B = diag {3, 9, 12} x 10 -5
Solução:
∂ Fi  ∂ Pperdas 
= λ 1 − 
∂ Pi  ∂ Pi 
i = 1 ⇒ FP1 x (7,92 x 0,003124 P1 ) = λ; FP1 = (1 – 6 x 10-5 P1 )-1
i = 2 ⇒ FP2 x (7,85 x 0,00388 P2 ) = λ; FP2 = (1 – 18 x 10-6 P2 )-1
i = 3 ⇒ FP3 x (7,97 x 0,00964 P3 ) = λ; FP3 = (1 – 24 x 10-6 P3 )-1
e
P1 + P2 + P3 – 850 – Pperdas = 0
Trata-se, portanto, de um conjunto de 4 equações não-line-
ares e 4 incógnitas. A aplicação do algoritmo para DE conside-
rando as perdas é:
1 - P1 = 400; P2 = 300; P3 = 150; k = 0
∂ Pperdas
2 - = 2 × 9 × 10 −5 × 400 = 0, 024
∂ Pi
∂ Pperdas
= 2 × 9 × 10 −5 × 300 = 0, 054
∂ P2
∂ Pperdas
= 2 × 12 × 10 −5 × 150 = 0, 036
∂ P3
3 - k = 1
4 - FP1 x (7,92 x 0,003124 P1 ) = λ; FP1 = (1 – 0,024)-1 =
1,0246
70
FP2 x (7,85 x 0,00388 P2 ) = λ; FP2 = (1 – 0,054)-1 = 1,0571

FP3 x (7,97 x 0,00964 P3 ) = λ; FP3 = (1 – 0,036)-1 = 1,0373
P1 + P2 + P3 = 850 + 15,6 = 865,6
Solução P1 = 440, 68; P2 = 299,12; P3 = 125, 77 e λ = 9, 5252
(1) (1) (1) (1)
9,5252
5 - P (1) − P (0 ) é grande → retornar ao passo 2 do
algoritmo.
Na convergência, os resultados obtidos são dados abaixo e
comparados com o caso sem perdas obtido no exemplo 1.1.
Solução na convergência (ε = 1 x 10 -4) Sem perdas

P1 = 435,2 P1 = 393,2
P2 = 300,0 P2 = 334,6
P3 = 130,7 P3 = 122,2
Pperdas = 15,83 Pperdas = 0
λ = 9,52 $/MWh λ = 9,148 $/MWh
Verifica-se que, apesar das perdas corresponderem a menos
de 2% da carga, o despacho obtido é significativamente diferen-
te do despacho do caso sem perdas.
71
UNIDADE • 02
Representação do sistema
de transmissão
REPRESENTAÇÃO DO SISTEMA DE
TRANSMISSÃO
Esparsidade
O número de barras existente em um sistema de potência
pode ser muito elevado (por exemplo, o sistema sul-sudeste bra-
sileiro possui cerca de 1.000 barras). Em um sistema de potência
típico existem em média três linhas conectadas a cada barra.
Como consequência, as matrizes presentes em vários modelos
matemáticos utilizados nos estudos destes sistemas são de gran-
de dimensão e muito esparsas (isto é, com poucos elementos não
nulos em cada linha ou coluna). Devido à sua grande dimensão,
se torna praticamente impossível armazenar todos os elementos
destas matrizes. É necessário o uso de técnicas apropriadas para
sua armazenagem e manipulação. Estas técnicas são conhecidas
como técnicas de esparsidade.
No estudo de técnicas de esparsidade, é útil se estabele-
cer correspondências entre algumas noções de teoria de grafos
e matrizes simétricas esparsas. Por isso, se iniciará este estudo
com uma revisão de noções básicas de teoria dos grafos. Segue-
se o estudo de três estruturas de dados frequentemente utiliza-
dos para o armazenamento de matrizes esparsas:
• Tabela de conexão;
• Lista de adjacências;
• Listas encadeadas.
De posse destas estruturas, se estará apto a elaborar algo-
ritmos para realizar algumas operações elementares envolvendo
matrizes e vetores esparsos.
Em seguida, será abordado o problema da fatoração LU
de sistemas lineares esparsos. Ficará evidente a necessidade
2 Representação do sistema de transmissão
de se utilizar esquemas de ordenação que busquem minimi-

zar a criação de novos elementos não nulos ( fill-ins) nos fato-
res triangulares. Será então introduzido o método do mínimo
grau (ou esquema Tinney II) e serão feitas aplicações a siste-
mas de potência.
Matrizes Simétricas e Grafos de Adjacência

Inicialmente será suposto que as matrizes a serem manipu-
ladas são simétricas e positivas definidas. Se uma matriz A (N
x N) é simétrica e definida positiva, então aii > 0, i = 1, ..., N.
Um grafo G = (X, E) consiste de um conjunto finito X de
nós ou vértices e um conjunto E de arestas ou ramos, que são
pares não ordenados de vértices.
É possível se construir um grafo de adjacência de A. Este
grafo contém N vértices, denotados por {x1, x2 , ..., xn}, um para
cada linha/coluna de A e seu conjunto e de arestas se compõe de
todos os pares {xi, xj} tais que aij = aji ≠ 0.
Exemplo 2.1
Exemplo 2.1: A figura 2.1 apresenta um exemplo do grafo
de adjacência associado a matriz esparsa A (6 x 6):
 (1) a b 
 
 a (2) c d 
 c (3) e 
A= 
 d (4) 
 e (5) f 
 
 b f (6) 

76
Figura 2.1: Exemplo e grafo correspondente à matriz A (6 x 6).
Quando dois vértices são conectados por uma aresta, diz-

se que são adjacentes. O conjunto adjacente de um vértice xi é
definido como o conjunto de vértices diferentes de xi, adjacentes
a xi. Da mesma forma, o conjunto adjacente de um subconjunto
Y, do conjunto de vértices X, é o conjunto de todos os vértices
adjacentes aos vértices contidos em Y mas que não estão em Y.
Exemplo 2.2
No grafo do exemplo 2.1, pode-se facilmente verificar que
Adj (x2) = {x1, x3, x4} e Adj ({x2 , x3}) = {x1, x4, x5}.
O grau de um subconjunto Y de X é o número de elemen-
tos em Adj (Y).
Define-se como um caminho de comprimento l ≥ 0, de um
vértice x a um vértice y, como um conjunto ordenado de l + 1
vértices distintos (v1, v2 , ...,) tal que:
v1 = x
vl+1 ∈ Adj (vi), i = 1, ..., (2.1)
vl+1 = y
Um grafo G é conexo se existe um caminho entre quais-
quer dois vértices de G.
Observação: nota-se que a uma matriz bloco-diagonal cor-
responde um grafo desconexo.
77
Exemplo 2.3
A figura 2.2 mostra o grafo de adjacência correspondente a
uma matriz esparsa bloco- diagonal.
 (1) * 
 
 * (2) * 
A= * (3) 
 
 (4) * 
 * (5) 
 
Figura 2.2: Matriz esparsa diagonal e grafo correspondente à matriz esparsa bloco-diagonal.
Estruturas de Dados Para Representação de

Grafos e Matrizes Esparsas
Tabelas de conexão
Para uma matriz (N x N) esta tabela terá N linhas e m co-
lunas, sendo
m = máx. {grau (x) | x ∈ X} (2.2)
Uma tabela com as mesmas dimensões que a anterior pode
ser construída para armazenar os valores da matriz A. As tabe-
las que armazenam os índices de coluna dos elementos não-nu-
los em cada linha de A (ou, equivalentemente, os vértices adja-
78
centes a cada vértice do grafo de A) e seus valores numéricos

serão denotadas por VIZ e VAL, respectivamente. Um arranjo
de comprimento N pode ser usado para armazenar os elementos
diagonais de A.
Exemplo 2.4
A tabela de conexão para a matriz/grafo do exemplo 2.1 é
Nó VIZ VAL
1 2 6 - a b -
2 1 3 4 a c d
3 2 5 - c e -
4 2 - - d - -
5 3 6 - e f -
6 1 5 - b f -
É fácil se verificar que o esquema de armazenamento
baseado em tabelas de conexão é ineficiente se um número
significativo de vértices tem grau muito menor do que m.
Lista de Adjacências
Formada pelos arranjos:
• ADJ: contêm as listas de adjacências para todos os vér-
tices do grafo de A de forma ordenada; tem compri-
mento igual a 2 x (número de arestas);
• XADJ: contêm apontadores para o começo de cada lista
de adjacências em ADJ; tem comprimento igual a N + 1;
• VAL: arranjo paralelo a ADJ contendo os valores nu-
méricos dos elementos de A fora da diagonal;
• DAIG: de comprimento N, contêm os elementos dia-
gonais de A.
79
Nota-se que o arranjo XADJ possui N + 1 posições para

que o final da lista seja indicado.
Exemplo 2.5
A lista de adjacências para a matriz/grafo do exemplo 2.1 é:
XADJ =
1 2 3 4 5 6 7
1 3 6 8 9 11 13
ADJ =
1 2 3 4 5 6 7 8 9 10 11 12
2 6 1 3 4 2 5 2 3 6 1 5
VAL =
a b a c d c e d e f b f
DIAG =
a11 a22 a33 a44 a55 a66
Lista Encadeada
Os esquemas anteriores têm a desvantagem de exigir o co-
nhecimento prévio do grau de cada vértice. Caso apareça um
novo elemento não nulo na matriz (por exemplo, durante a fato-
ração LU), será difícil a sua inserção nas listas. Esta dificuldade
é contornada introduzindo-se um arranjo de ligação PROX. A
estrutura resultante é chamada de lista encandeada e correspon-
de aos seguintes arranjos.
• PRIM: aponta para o primeiro elemento da lista de
vértices adjacentes a um dado vértice;
80
• VIZ: contém os nós adjacentes ao indexador de PRIM;

• PROX: aponta para o próximo nó adjacente em VIZ;
• VAL: guarda os valores numéricos, sendo paralelo a
VIZ e a PROX.
Além destes arranjos, define-se o arranjo DIAG para arma-
zenar os elementos da diagonal de A.
Exemplo 2.6
A lista encadeada para a matriz/grafo do exemplo 2.1 é:
PRIM
1 - 10
2 - 6
3 - 1
4 - 12
5 - 8
6 - 5
VIZ VAL PROX

1 - 2 c 11
2 - 6 f 0
3 - 2 a 0
4 - 3 c 7
5 - 1 b 9
6 - 1 a 4
7 - 4 d 0
8 - 3 e 2
9 - 5 f 0
10 - 6 b 3
11 - 5 e 0
12 - 2 d 0
81
Observação: se houver espaço suficiente nos arranjos VIZ,

PROX E VAL novas arestas podem ser facilmente adicionadas
à lista encadeada.
Exemplo 2.7
Para adicionar a aresta {3, 6} com a36 = g nos arranjos do
exemplo 2.6 faz-se as seguintes modificações:
PROX (13) = 1, VIZ (13) = 6, VAL (13) = G, PRIM (3) = 13,
PROX (14) = 5, VIZ (14) = 3, VAL (14) = G, PRIM (6) = 14,
Observação: nas aplicações de listas encadeadas em opera-
ções envolvendo matrizes esparsas, é normalmente necessário
que a lista de vértices adjacentes a cada vértice esteja ordenada de
forma crescente ou decrescente. Mesmo quando a lista encadeada
original está assim ordenada, a inclusão de novos elementos em
geral exige que sejam realizadas reordenações. Para isso, rotinas
eficientes de reordenação da lista encadeada devem ser utilizadas.
Esquemas de Armazenamento Compacto Para

Vetores e Matrizes Retangulares
A utilização de um grafo não-orientado para representar a
estrutura de uma matriz é possível apenas no caso de matrizes
quadradas simétricas. Matrizes quadradas assimétricas podem
ser representadas por grafos ordenados, porém matrizes retan-
gulares, incluindo vetores-linha e vetores-coluna, não podem
ter suas estruturas associadas a grafos. Apesar disso, as estrutu-
ras de dados vistas anteriormente permanecem válidas, com pe-
quenas alterações. Estas, na verdade, se resumem ao fato de que
os elementos aij, para os quais i = j são também armazenados
nos arranjos compactos das estruturas de armazenamento, e
82
não mais em um arranjo separado como o arranjo DIAG que

foi mencionado anteriormente.
Esquema de armazenamento compacto para vetores

Um vetor v ∈ ℜn é descrito de forma não ambígua atra-
vés da especificação (neste capítulo sempre se estará referindo a
vetores coluna. Os arranjos e algoritmos podem ser facilmente
estendidos para vetores linha.):
• Do número de linhas n;
• Do índice das linhas onde estão localizados os elemen-
tos não nulos;
• Dos valores numéricos dos elementos.
A dimensão do vetor é um número inteiro, as localizações
dos elementos não nulos podem ser feitas em arranjos de nú-
meros inteiros e os valores podem ser armazenados em arran-
jos de números reais. A maneira mais simples de se guardar as
posições dos elementos não nulos e os correspondentes valores
numéricos é através dos arranjos, lin_v, e val_v. Este tipo de
armazenamento é chamado de esquema primitivo de armazena-
mento. Como exemplo deste esquema tem-se que:
Exemplo 2.8
Vetor denso Esquema primitivo
lin_v val_v
 0. 
  1 - 2 3.
 3.  2 - 4 2.
 0.  3 - 7 6.
V= 2. 
  nnz = 3
 0. 
 0. 
 6. 
 
83
O esquema primitivo de armazenamento pode ser con-

vertido facilmente para o esquema de listas de adjacências e de
listas encadeadas. Para efetuar a conversão, supõe-se aqui que
o número de elementos não nulos do vetor, nnz é conhecido.
Esta informação não é imprescindível, porém pode ser obtida
com facilidade e ajuda na montagem das listas de adjacências e
listas encadeadas.
Listas de adjacências para vetores esparsos

A montagem das listas de adjacências para vetores esparsos
é trivial uma vez que o arranjo xadj_v terá apontadores apenas
para o começo e fim do arranjo adj_v (onde estão localizados as
posições dos elementos não nulos).
Exemplo 2.9
Para o vetor v do exemplo 2.7 tem-se então o seguinte gra-
fo e as seguintes listas de adjacências:
xadj_v(1) = 1
xadj_v(nnz) = nnz + 1
xadj =
1 2
[ 1 4 ]
lin_v =
1 2 3
[ 2 4 7 ]
val_v = [ 3. 2. 6. ]
Nota-se que, se lin_v e val_v estão adequadamente orde-
nados em forma crescente, estes dois arranjos do esquema pri-
mitivo de armazenamento são aproveitados nas listas de adja-
cências. Precisa-se, portanto, montar apenas o arranjo xadj_v,
o que é trivial.
84
Listas encadeadas para vetores esparsos

Estas consistem de um apontador para a localização do
primeiro elemento não nulo de v e um arranjo de apontadores
para as localizações dos elementos não nulos seguintes. Estes
apontadores são chamados de prim_v e prox_v.
Exemplo 2.10
As listas encadeadas para o vetor do exemplo 2.9 são:
Lin_v Val_v Prox

Prim_v 1 - 2 3. 2
1 - 1 2 - 4 2. 3
3 - 7 6. 0
Nota-se que lin_v e val_v fazem parte do esquema primi-

tivo de armazenamento, portanto, a criação da lista encadeada
consiste na montagem de prim_v e prox_v.
Esquema de Armazenamento Compacto Para

Matrizes Retangulares
Uma matriz A ∈ ℜmxn é descrita de forma inequívoca
especificando-se:
• Seu número de linha m e de colunas n;
• O número da linha e da coluna de cada elemento não
nulo;
• Os valores numéricos dos elementos não nulos.
Estas informações podem ser armazenadas no esquema
primitivo de armazenamento para matrizes constituído pelos
arranjos lin_A, col_A e val_A.
85
Exemplo 2.11
Esquema primitivo
Matriz densa lin_A col_A val_A

1 - 1 1 3.0
 3. 0 2. 0 
  2 - 1 3 2.0
 0 4. 0 0  3 - 2 2 4.0
A= 0 0 0 7. 
4 - 3 4 7.0
 5. 0 8. 9. 
 0 0 0 6.  5 - 4 1 5.0
  6 - 4 3 8.0
7 - 4 4 9.0
8 - 5 4 6.0
Listas de adjacências para matrizes retangulares

Podem ser feitas por linhas ou por colunas (significando
que o primeiro número a ser acessado poderá corresponder a
uma linha ou a uma coluna). Aqui o esquema de adjacências por
linhas será derivado. O esquema por colunas pode ser construí-
do com pequenas modificações nos algoritmos.
A lista de adjacências por linhas é constituída pelos seguin-
tes arranjos: xadj_A. adj_A e v_A.
Exemplo 2.12
xadj_A =
1 2 3 4 5 6 ↵ nº da linha
1 3 4 5 8 9
adj_A =
1 2 3 4 5 6 7 8
1 3 2 4 1 3 4 4
86
v_A =
3.0 2.0 4.0 7.0 5.0 8.0 9.0 6.0
Listas encadeadas para matrizes retangulares

A estrutura de listas encadeadas pode também ser aplicada
a linhas ou a colunas de uma matriz esparsa dependendo se um
arranjo de apontadores iniciais é indexado por linhas ou por
colunas para esta matriz. Supondo que a lista seja encadeada
por linhas, os arranjos correspondentes são: lprim_A, col_A,
val_A e lprox_A.
Exemplo 2.13
Para a matriz A dos exemplos anteriores, as listas encadea-
das por linhas podem ser escritas:
lprim_A col_A val_A lprox_A
1 - 2 1 - 1 3.0 0
2 - 3 3 - 3 2.0 1
4 - 4 5 - 2 4.0 0
6 - 7 7 - 4 7.0 0
8 - 8 9 - 1 5.0 0
3 8.0 5
10 - 4 9.0 6
11 - 4 6.0 0
Algumas Operações Elementares com Vetores

Esparsos
Adição de um vetor esparso a um vetor denso
Considera-se a operação
w = y + α x (2.3)
87
onde y é um vetor denso e x é um vetor esparso de di-

mensão n, e α é um escalar. O vetor resultante w é obviamente
denso. Os únicos elementos de w que diferem dos elementos de
y são aqueles correspondentes às posições não-nulas de x.
Adição de Dois Vetores Esparsos

Neste caso, a operação considerada é
z = x + α y (2.4)
onde x e y são vetores esparsos de dimensão n e α é um
escalar. Neste caso o vetor z será em geral esparso. Há entretan-
to uma dificuldade adicional com respeito à operação anterior:
não é possível saber de antemão a estrutura esparsa do vetor
resultante z. Esta estrutura deve ser determinada mesclando-se
as estruturas compactas de x e y. Contudo, tem-se que verificar
se x e y têm elementos comuns, já que um elemento não-nulo
não pode aparecer mais do que uma vez em uma lista encadeada
ou de adjacência. Em casos como esse, o procedimento usual é
separar a operação em duas etapas:
• Adição simbólica, em que se utiliza apenas os aponta-
dores dos elementos das estruturas esparsas dos ope-
radores x e y para determinar inicialmente a estrutura
esparsa de z;
• Adição numérica, em que os valores numéricos dos
operandos x e y são processados para determinar os
valores numéricos de z.
Multiplicação de uma Matriz Esparsa Por um

Vetor Denso
Se A é uma matriz esparsa m x n e x é um vetor n x 1, de-
seja-se implementar o produto
88
y = A x (2.5)
em que o vetor y é m x 1 cujos elementos yi são dados por:
yi = ∑ nj =1 Ai j X i
(2.6)
Este produto resultará em um vetor denso, exceto se A
contiver linhas nulas. Como supõe-se que x é denso, haverá uma
contribuição A ij xj para yi sempre que A ij ≠ 0.
Supondo que A está armazenada sob a forma de lista enca-
deada por linhas (lprim_A, col_A, val_A, lprox_A) existe um
algoritmo que forma y por linhas.
Solução de Sistemas Triangulares Esparsos

Fatoração LU
Se irá discutir a fatoração LU apenas de matrizes simétricas
ou estruturalmente simétricas, já que os problemas típicos de
sistemas de potência em sua quase totalidade envolvem matrizes
com estas características.
Se está interessado na solução do sistema linear:
A x = b (2.7)
onde A é uma matriz n x n não-singular. Neste caso, A
pode ser fatorada como
A = LU (2.8)
onde L é uma matriz triangular inferior e U é uma matriz
triangular superior unitária (isto é, os elementos diagonais uii de
U são iguais à unidade, por outro lado, o mesmo não se exige dos
elementos diagonais de L, l ii). Supondo que a fatoração LU foi
realizada, a solução da equação (2.7) envolve as seguintes etapas:
L x = b (2.9)
U x = x (2.10)
A etapa dada pela equação (2.9) é chamada substituição
direta, enquanto que a equação (2.10) é a substituição inversa.
89
Será examinado a criação de novos elementos não-nulos

(isto é, o enchimento) nos fatores triangulares de A em decor-
rência da fatoração. Observa-se que estes elementos podem sur-
gir em decorrência de operações do tipo
ak' j = a kj − a kj ⋅ a ij (2.11)
Se, antes da operação, akj era zero mas o produto aki * aij é
não nulo, então cria-se um enchimento na posição (k, j) em de-
corrência da operação. Para o fator triangular inferior, esta pro-
priedade pode ser assim enunciada: se lki ≠ 0 e lij ≠ 0, então lkj ≠ 0.
Do mesmo modo, para u, se uki ≠ 0 e uij ≠ 0, então ukj ≠ 0. A fi-
gura 2.3 ilustra a criação de enchimento nos fatores triangulares.
Figura 2.3: Ilustração do enchimento na fatoração LU.
Fatoração LU esparsa
No caso de matrizes estruturalmente simétricas, os fatores
L e U terão elementos não-nulos:
• Nas posições em que A tiver elementos não-nulos, e
• Se akj = 0, mas aki * aij ≠ 0, cria-se enchimento nas posições
• (k, j) de U
• (j, k) de L.
90
Como antes de se calcular os valores numéricos dos ele-

mentos L e U é necessário saber quais elementos destas matrizes
são não-nulos, a fatoração envolve duas etapas:
• Fatoração simbólica: através da qual se determina em
que posições de L e U ocorrem elementos não-nulos;
• Fatoração numérica: cálculo dos valores numéricos dos
elementos não-nulos de L e U, a partir da alocação de
memória feita no estágio numérico.
Fatoração simbólica
• Entrada:
• Listas encadeadas por linha e por coluna da
matriz estruturalmente simétrica, A;
• Ordem de A, n;
• Número de elementos ≠ 0 em A, nnz.
• Saída:
• Listas encadeadas de A são sobrescritas pelas
listas de L e U;
• nnz conterá o número de elementos ≠ 0 nos
fatores triangulares.
• Equações básicas:
Akj = Akj - Aki * A ij (2.12)
Ajk = Ajk - Aji * A ik (2.13)
Fatoração numérica
• Entrada:
• Listas encadeadas por linha e por coluna para
os fatores triangulares determinadas pela fato-
ração simbólica;
• Ordem de A, n;
91
• Saída:
• Arranjos com os valores numéricos de L e U
indexados pelas listas encadeadas atualizadas
na fatoração simbólica;
• Arranjo com os elementos diagonais de A é
sobrescrito pelos elementos diagonais de L.
Substituição direta e inversa

À fatoração LU da matriz de coeficientes de um sistema
linear esparso, seguem-se os estágios de substituição direta e
inversa, conforme dado pelas equações (2.9) e (2.10), que forne-
cem a solução desejada para o problema linear. Tanto no caso
denso quanto no caso esparso, diferentes algoritmos podem ser
utilizados para implementar os estágios de substituição direta e
inversa, dependendo se o acesso aos elementos dos fatores L e
U se faz por linhas ou por colunas.
No caso de substituição direta, serão apresentados alguns
algoritmos que acessam o fator triangular inferior L por colunas.
O algoritmo para o caso de matrizes densas é bem conhecido,
e está apresentado na figura 2.4. Percebe-se que o laço interno
do algoritmo de fato acessa os elementos fora da diagonal de L
por colunas, enquanto que o laço externo acessa os elementos
diagonais de L. A figura 2.4 mostra como os elementos de L são
acessados durante o processo de solução.
Figura 2.4: Acesso às colunas de l durante substituição direta.
92
As mesmas conclusões podem ser feitas para a substituição

direta, é claro, se feita com as devidas adaptações.
Ordenação para preservação da esparsidade na

fatoração LU
Ordenação de matrizes
Serão considerados apenas sistemas lineares cujas matrizes
são estruturalmente simétricas.
Define-se uma ordenação de uma matriz estruturalmente
simétrica A como uma permutação de suas linhas e colunas. A
estrutura simétrica das matrizes consideradas implica que estas
permutações têm que ser realizadas em pares linhas-coluna, isto
é, se a linha k for permutada com a linha j, o mesmo acontecerá
com as colunas k e j.
Quando uma matriz é reordenada, verifica-se que o en-
chimento produzido durante a fatoração LU pode variar subs-
tancialmente. Faz sentido, portanto, buscar ordenações que
minimizem o enchimento ou, se isto não for possível, o re-
duzam significativamente. Reordenações de matrizes estrutu-
ralmente simétricas são melhor ilustradas através dos grafos
de adjacências.
Exemplo 2.14
Seja o sistema de potência representado na figura 2.5. A
estrutura da matriz de admitância do sistema e seu grafo de ad-
jacência associado são mostrados na figura 2.6, para duas orde-
nações diferentes.
93
Figura 2.5: Sistema de potência para exemplificar a ordenação.
A ordenação natural é mostrada na figura 2.6. A ordena-

ções {4, 1, 3, 5, 6, 2} (isto é, o primeiro vértice considerado é o
vértice originalmente numerado com 4, etc.)
Figura 2.6: Estrutura da matriz a e grafo associado para: (a1, b1) ordenação natural e (a2, b2)
ordenação {4, 1, 3, 5, 6, 2}.
Interpretação do enchimento usando grafos

reduzidos
O processo de fatoração LU é tal que, quando a linha 1 e
a coluna 1 da matriz A = A (1 : n, 1 : n) são processadas, elas
modificarão o restante da matriz A, isto é, A (2 : n, 2: n). Depois
94
desta etapa, a linha 1 e a coluna 1 não serão mais acessadas. Em

geral, no estágio k são modificados os elementos da submatriz
A (k + 1 : n, k + 1 : n). Depois deste ponto, as primeiras k li-
nhas e k colunas não serão mais acessadas durante o processo
de fatoração.
Lembrando-se que um novo elemento diferente de zero
(isto é, um enchimento na posição (k, j) será criado se A(k, j) for
inicialmente nulo e se existir pelo menos um par A(k, i) e A(i, j),
ambos não nulos. Pode-se então estabelecer uma correspondên-
cia entre a operação que cria o enchimento e alterações no grafo
de adjacência da matriz A. Assim, o processamento da primeira
linha e primeira coluna de A provoca mudanças no grafo de
adjacência de A:
• O vértice x1 e todas as arestas nele incidentes são elimi-
nados do grafo;
• Novas arestas são criadas no grafo reduzido, tal que to-
dos os vértices originalmente adjacentes a x1 tornam-se
mutuamente adjacentes.
Deste modo, todo o processo de fatoração LU pode ser
interpretado como uma sequência de grafos de adjacência re-
duzidos. A figura 2.7 ilustra a geração de grafos reduzidos para
a matriz de adjacência do sistema de potência da figura 2.5. As
matrizes H i representam as matrizes reduzidas A (i + 1 : n, i
+ 1 : n), e as arestas mais grossas nos grafos reduzidos repre-
sentam as arestas criadas durante o processo de fatoração. A
cada uma delas corresponde um novo enchimento na matriz
A. Por exemplo, a eliminação do vértice x 2 no grafo G1 gera
três novos enchimentos, que correspondem às arestas {x3, x4},
{x4, x6} e {x3, x6}.
95
Figura 2.7: Interpretação do enchimento usando sequência de grafos reduzidos.
O conjunto de arestas adicionais aos grafos reduzidos cor-

responde, portanto, ao conjunto de enchimentos criados durante
a fatoração. Para o exemplo da figura 2.7, a estrutura da matriz L
+ LT e o grafo correspondente, considerando todos os enchimen-
tos produzidos durante a fatoração são mostrados na figura 2.8.
Figura 2.8: Enchimento total e grafo correspondente para o exemplo 2.11.
96
Esta visualização do enchimento em termos dos grafos de

adjacência é muito útil na interpretação dos efeitos da ordenação
durante o processo de fatoração da matriz A.
Algoritmos de ordenação
o enchimento provocado em uma matriz esparsa estrutu-
ralmente simétrica A durante a fatoração LU pode variar signi-
ficativamente com a reordenação de suas linhas e colunas. A in-
terpretação do processo de produção de enchimento utilizando
os grafos constitui-se em uma valiosa ferramenta para avaliação
dos efeitos da reordenação das linhas e colunas de A sobre a
produção de novos elementos não-nulos.
Constatados os efeitos da reordenação sobre a esparsidade
dos fatores triangulares, é natural que se procure uma ordenação
ótima que minimize o enchimento em L e U. Observa-se que este
é um problema combinatório de grande dimensão: há n maneiras
de se escolher a linha/coluna 1, n – 1 maneiras de se escolher a li-
nha/coluna 2, e assim por diante. De fato, nenhum método ótimo
com este objetivo foi desenvolvido a contento até hoje. Tem-se,
portanto, que recorrer a algoritmos heurísticos para gerar ordena-
ções que produzam um número pequeno aceitável, embora não
necessariamente ótimo, de novos elementos não-nulos em L e U.
Serão abordados três métodos heurísticos de ordenação.
Todos são baseados no conceito de grau dos vértices do grafo
de adjacência. Os vértices de menor grau tendem a criar um nú-
mero menor de enchimentos. De fato, no caso da eliminação de
um nó de grau 1, nenhum enchimento é criado.
Algoritmo de ordenação i
Também chamado esquema Tinney-I, baseia-se na orde-
nação a priori (e, portanto, estática) dos vértices do grafo de
97
adjacência em ordem crescente de grau. Sua implementação é

a mais rápida e costuma produzir resultados bastante razoáveis
em aplicações em sistemas de potência. Sua implementação re-
quer o cálculo dos graus de cada vértice do grafo de adjacência.
Algoritmo de ordenação II
É conhecido como método do mínimo grau ou esquema
Tinney-II. Baseia-se na evolução dos graus nodais nos grafos re-
duzidos que resultam da eliminação de vértices. Como a elimi-
nação de um nó em um grafo reduzido pode provocar alteração
no grau dos vértices adjacentes, o método tem características
dinâmicas. A figura 2.9 ilustra o método.
Figura 2.9: Ilustração do método de Tinney-II.
Supõe-se que as linhas/colunas 1 a i – 1 (ou, equivalente-

mente, os nós do grafo de adjacência {x1, ..., xi – 1}) tenham sido
já ordenadas. O número de elementos não-nulos nestas linhas/
colunas é fixo e não será mais alterado, já que elas não serão
mais acessadas. Para reduzir o enchimento na coluna i é eviden-
te que, na submatriz que ainda não foi fatorada, a coluna com o
menor número de elementos não-nulos deve ser deslocada para
a posição i. Portanto, o esquema pode ser considerado como um
98
método que reduz o enchimento através de uma minimização

local do número de elementos da coluna i da matriz fatorada.
Algoritmos de ordenação III

Este esquema de ordenação é mais elaborado, pois implica
na análise prévia da criação do enchimento para cada linha/
coluna ainda não processada. Como no caso do esquema II, o
método é mais facilmente apresentado utilizando-se o grafo de
adjacência e os grafos reduzidos dele derivados. Existe a neces-
sidade de se simular todos os possíveis nós candidatos antes de
tomar a decisão de qual nó deverá ser de fato o próximo elimi-
nado. Um possível atalho neste procedimento ocorre quando se
verifica que um nó candidato não provoca nenhum enchimen-
to; neste caso, este pode ser imediatamente selecionado, sem a
necessidade de se examinar todos os nós restantes. As ordena-
ções determinadas por este algoritmo tendem a produzir um
número menor de enchimentos que as fornecidas pelos demais
algoritmos. Apesar disso, este algoritmo requer um tempo de
processamento muito superior ao do algoritmo II, sendo, por
isso, geralmente preterido em relação aquele.
O ambiente econômico
O setor elétrico e a atividade econômica
A gestão econômica de um sistema elétrico de potência é
extremamente complexa devido a fatores, entre outros, da am-
plitude da tarefa que, além de cobrir fatores financeiros, sociais,
administrativos e ambientais, considera ainda o planejamento
de investimento e a operação do sistema, estes estreitamente
relacionados aos aspectos tecnológicos de tais sistemas. Adicio-
nalmente, todos esses aspectos devem ser gerenciados dentro
99
de um contexto de regulação e leis vigentes em cada país. Isto,

naturalmente, condiciona, de forma significativa não somente a
estratégia e os limites dentro dos quais cada uma dessas ativi-
dades deve ser conduzida, mas também determina exatamente
quem são os tomadores de decisão. Com a profunda mudança
em regulação a caminha na indústria em muitas áreas do mun-
do, qualquer tentativa de descrever o ambiente econômico deve
abordar ambos os esquemas tópico por tópico, a seguinte dis-
cussão primeiro fornece uma revisão das funções de planeja-
mento da expansão e operação do sistema bem estabelecidas no
cenário tradicional, e depois apresenta a filosofia e as mudanças
introduzidas pelas novas formas de regulação.
O planejamento e a operação atual de um sistema elétrico
de potência são resultados de uma complexa cadeia de decisões.
O primeiro assunto é a provisão em longo prazo, com a expan-
são da capacidade e os contratos de combustível; o segundo é o
planejamento em médio prazo, como a gestão hidroelétrica, o
programa de manutenção de instalações, e o terceiro são as es-
pecificações em curto prazo, tais como a conexão das unidades
de geração e a reserva de capacidade de geração; e o quarto é
representado pela operação atual do sistema, como o despacho
das unidades programadas, a regulação da frequência e a respos-
ta às possíveis situações de emergência. a tomada de decisões é
apoiada por modelos de computação alimentados por sistemas
altamente sofisticados de aquisição de dados e comunicação. Os
recursos atuais tornam isso possível, como, por exemplo, calcu-
lar de forma precisa o custo marginal da demanda de equilíbrio
(isto é, o custo de um kWh adicional) em um ponto dado do
sistema em um instante de tempo, levando em conta a cadeia
inteira de decisões mencionadas anteriormente.
As decisões que afetam a operação e a expansão do sistema
elétrico de potência devem ser guiadas por critérios de eficiência
100
econômica para minimizar os custos de enviar energia elétrica

de qualidade aceitável para os consumidores ou clientes. Apesar
disso, uma parcela das decisões deve levar em conta considera-
ções técnicas para assegurar a possibilidade real de fornecimento
da potência elétrica, um aspecto muito mais vital que em outras
indústrias, dadas suas características específicas. A importância
de tais considerações cresce com o lapso de tempo entre a toma-
da de decisão e a implementação rápida em tempo real, quando
a distinção entre fatores técnicos e econômicos desaparece e não
existe uma linha clara de separação entre eles. Dado o tama-
nho, a dimensão e a complexidade do problema, a cadeia de
decisão inteira deve ser racionalizada e organizada. Isso é con-
seguido ordenando cronologicamente as funções de expansão e
de operação. Em decisões de longo prazo, por exemplo, onde a
incerteza futura e os critérios econômicos têm peso considerá-
vel, uma aproximação grosseira do comportamento tecnológico
do sistema é suficiente. Tais decisões guiam sucessivamente as
tomadas de decisões de curto prazo em que as especificidades
técnicas são mais relevantes, terminando na operação em tempo
real, onde a dinâmica do sistema deve ser analisada com pleno
detalhe, milissegundo a milissegundo.
A expansão e a operação no contexto tradicional

Nesse contexto, o coordenador é centralizado, controlado
pelo governo, é responsável pelas decisões integrais da operação
do sistema de potência, do controle e do monitoramento. O co-
ordenador também é responsável pela formulação dos planos de
expansão do sistema, que considera a instalação de novas usinas
de geração e a construção de linhas de transmissão ou subesta-
ções. Também é, frequentemente, responsável pela implementa-
ção desses planos se a rede é de propriedade pública.
101
O critério fundamental para o processo de tomada de deci-

sões é maximizar o benefício social na produção e no consumo
da energia elétrica. Isso envolve dois aspectos fundamentais: o
primeiro é a tentativa de minimizar a cadeira inteira de custos
relacionados com o fornecimento do serviço, incluindo custos
de investimento e operação. Além disso, o atendimento de um
serviço barato não é o único fator usado para medir o benefí-
cio social. A qualidade do fornecimento deve também ser sa-
tisfatória. O benefício é baixo ara consumidores residenciais e
industriais onde o serviço é barato, mas com saídas constantes.
Um número de incertezas (raios, crescimento real da deman-
da, falhas nos equipamentos de geração, de transmissão e de
distribuição) torna impossível garantir um serviço sem cortes
nos cenários futuros. Em outras palavras, existe sempre alguma
probabilidade de se tornar impossível fornecer a demanda total
em todo instante, o que representa uma medida de confiabilida-
de do sistema. Também está claro que tal probabilidade de falha
pode ser minimizada com investimentos em mais instalações e
operando o sistema de forma mais conservadora. O incremento
da confiabilidade requer maiores custos. Por esse motivo, o pri-
meiro critério mencionado acima, minimização de custos, deve
ser quantificado para levar em conta o segundo critério, que re-
flete a confiabilidade do sistema. Isso pode ser incorporado no
processo de tomada de decisões de muitas formas. Uma é ajustar
a confiabilidade a um limiar mínimo baseado na experiência
passada e na percepção social do conceito, medido em termos
de probabilidade de interrupção do fornecimento de energia elé-
trica ou algum outro indicador semelhante. Outro método mais
sólido consiste em tentar quantificar o custo financeiro causado
pela interrupção do serviço baseado na utilizada para os con-
sumidores. Incorporar esse fator no processo de minimização
102
de custos como uma forma de despesa a ser levada em conta é

atualmente uma forma de maximizar a utilidade social do servi-
ço. A dificuldade inerente dessa segunda proposta está na quan-
tificação da utilidade, que pode variar de um consumidor para
outro, e que não existe uma forma clara de medida, apesar de
terem sido feitas tentativas a esse respeito com a elaboração de
relatórios sistemáticos para consumidores, especialmente prepa-
rados para esse propósito.
Confiabilidade é um fator que implica o processo de toma-
da de decisão completa, de longo e de curto prazos. A interrup-
ção do serviço pode ser provocada pelos aspectos relacionados
com investimento: se a capacidade instalado do sistema é in-
suficiente para fornecer a demanda, devido a seu crescimento
abrupto e inesperado, às condições meteorológicas particular-
mente adversas, à capacidade de transmissão insuficiente ou ao
adiamento de novos investimentos; aos problemas de operação:
programação inadequada de reservatórios, resposta inadequada
imediata às faltas em linhas ou geradoras devido à escassez de
capacidade de reserva; ou a problemas de estabilidade do siste-
ma em tempo real. Por esse motivo, em quase todos os cenários
de tomadas de decisão, os fatores de custo e de confiabilidade
devem ser equilibrados para encontrar uma decisão. O termo
adequação geralmente é usado para caracterizar a confiabilidade
em longo prazo e segurança, para a operação no curto prazo.
Não existe forma padronizada para organizar o planeja-
mento e a operação de um sistema elétrico de potência. a so-
lução desse problema complexo envolve quase sempre a se-
paração do problema em problemas mais simples, e todas as
técnicas utilizam dados que envolvem, de uma maneira ou de
outra, decomposição hierárquica na escala de tempo. A toma-
da de decisão é ordenada por escala de tempo, e as respectivas
103
funções são ordenadas de acordo com esse critério. No nível

mais elevado estão as decisões em longo prazo, que tratam de
problemas estratégicos. Então, a solução adotada é passada para
os níveis inferiores, delimitando seu escopo de ação. Descendo
aos níveis inferiores na escala, para as técnicas de tempo real,
deve-se buscar a solução ótima dentro das restrições impostas
pelo problema, assim como pelas diretrizes recebidas dos níveis
mais elevados.
Longo prazo
O primeiro nível da tomada de decisão aborda o longo pra-
zo, projetando de 2 ou 3, para 10, 15 ou mais anos no futuro,
para definir os investimentos em usinas de geração e nas redes
de transmissão e de distribuição. O processo implica determinar
o tipo, as dimensões e a data em que novas usinas de geração e
linhas de transmissão devem ser instaladas com base em vários
parâmetros, tais como a previsão do crescimento da demanda,
alternativas tecnológicas e custos, disponibilidade de combustí-
vel estimada e a tendência de preços, critérios de confiabilidade
adotados, restrições de impacto ambiental, políticas de diversi-
ficação e objetivos relacionados à dependência do setor externo.
Esse horizonte distante é necessário para que os investimentos
(muito grandes) envolvidos sejam justificados sobre a base do
vencimento do tempo de vida útil do serviço das instalações,
que pode variar de 25 a 30 anos, no caso de usinas a vapor, e
muito mais no caso de usinas hidroelétricas.
Com os horizontes de tempo distantes, a incerteza é obvia-
mente o fator chave determinante. O conjunto integral de cená-
rios deve ser considerado, as avaliações probabilísticas devem
ser realizadas, e os critérios mais adequados devem ser adota-
dos, tais como a minimização do custo médio esperado, a mini-
104
mização do arrependimento ou a minimização do risco, tomado

como a variância da distribuição de custos.
Pela mesma razão, não faz sentido neste tipo de estudo se
avaliar o comportamento técnico da operação do sistema em
detalhe, visto que não é possível tentar uma avaliação precisa
dos custos de operação quando o processo envolve níveis muito
maiores de incertezas financeiras.
Um dos requisitos principais do processo é uma boa base de
dados que deve conter informações atualizadas sobre tecnologias,
assim como séries históricas de demanda, hidrologia (chuvas), ta-
xas de falhas de equipamentos, entre outros. A previsão da de-
manda em longo prazo assume a forma de uma curva de probabi-
lidade que determina as necessidades de expansão do sistema. O
perfil da demanda é tão importante como a demanda total, já que
a escolha de tecnologia depende muito dessa informação. O pró-
ximo passo é determinar a expansão necessária em usinas de gera-
ção para atender a demanda de forma que, enquanto se respeitem
os diferentes critérios estratégicos, tenta-se a opção que minimiza
os custos antecipados sobre o período considerado. Tais custos
incluem o custo de investimento fixo escolhido e o custo de ope-
ração através do período inteiro que, obviamente, deve depender
do tipo de investimento realizado. O suporte para simulação e os
modelos de otimização estão frequentemente preparados para re-
alizar essa tarefa. Pela escala de tempo do problema considerado,
geralmente são usadas técnicas de análise de decomposição como
as que correm iterativa e alternativamente entre dois módulos, um
especializado no cálculo dos custos de expansão, e o outro, nos
custos de operação, trocando informações entre os dois, sempre
que necessário até obter os resultados desejados.
As decisões de expansão da rede de transmissão tradicio-
nalmente dependem das necessidades de investimento em novas
105
usinas de geração e do crescimento nos centros de demanda. Isso

é devido ao fato de que consideravelmente monos investimentos
e tempo serão necessários para construir as redes de transmissão
do que construir usinas de geração, embora em países onde a
geografia e as distâncias sejam muito grandes e os sistemas de
transmissão são custosos, nesse contexto, esta afirmação pode
não ser certa. Depois de definida a localização das novas usi-
nas e calculadas as taxas de crescimento e de produção, deve-se
encontrar a expansão do sistema e comparar os custos de inves-
timento necessários com o benefício obtido pelo sistema: cus-
tos menores de operação, perdas menores no sistema e maior
confiabilidade em cobrir a demanda. O processo de decisão é
também impactado pelo critério de segurança que garante que
o fornecimento não deve estar sujeito às interrupções, devido a
um reforço do sistema, ou outros aspectos técnicos, como pro-
blemas de tensão e estabilidade. As decisões são, naturalmente,
dinâmicas no tempo; por esse motivo, elas devem ser periodica-
mente ajustadas aos dados de crescimento de demanda real, pois
as inovações tecnológicas ou os termos de compra de combustí-
vel modificam as hipóteses iniciais dos planos de expansão.
Médio prazo
Uma vez que o investimento em longo prazo é definido, os
planos de operação em médio e em longo prazos do sistema de-
vem ser realizados. Para um horizonte de um a três anos, depen-
dendo do sistema, o planejamento deve, além de determinar o
melhor programa do ciclo de manutenção de usinas e linhas de
transmissão, determinar a política mais adequada de compra de
combustível, e de uso mais eficiente das usinas de geração sujei-
to às limitações da energia primária das usinas hidroelétricas em
particular, ou às restrições de produção anual devido às razões
106
ambientais. As usinas de geração de eletricidade são sistemas so-

fisticações com milhares de componentes que devem ser revisa-
dos periodicamente para evitar falhas maiores e frequentemente
arriscadas e para assegurar a eficiência da usina, do ponto de
vista técnico. A operação de usinas convencionais a vapor é usu-
almente interrompida em torno de 20 dias por ano para manu-
tenção. As usinas nucleares precisam de recarga de combustível
(barras de urânio) a cada 18 meses; assim, programas de manu-
tenção são elaborados para coincidir com as paradas das usinas.
As linhas de transmissão e as componentes de rede de trans-
missão e de distribuição localizadas nas subestações também
precisam de manutenção, como substituição de isoladores em
falta ou sua limpeza para evitar perdas de potência pelo isolante.
Apesar de a tecnologia para realizar essas tarefas em linhas vi-
vas estar cada vez mais e mais comumente disponível, a maioria
dessas operações é realizada com as instalações desenergizadas
por motivos de segurança, que implica a desconexão de certas
linhas ou partes de uma subestação. Isto por sua vez, requer um
cuidadoso plano de programação da manutenção para interferir
o menos possível na operação do sistema.
A gestão do combustível também precisa de um plane-
jamento cuidadoso, geralmente antecipado. Uma vez que as
necessidades são definidas, a compra de combustível deve ser
planejada frequentemente nos mercados internacionais, para
conseguir preços mais vantajosos, e para realizar o transporte
e armazenamento e tomar todas as medidas de logística neces-
sárias a fim de evitar que a usina não fique sem combustível.
Finalmente, o uso de recursos de água em usinas hidroelétricas
também deve ser planejado como se fosse também um com-
bustível. Na verdade, a água pode ser vista como um combustí-
vel sem custo com suprimento limitado. Portanto, seu uso deve
107
ser programado da forma mais benéfica para o sistema. Usinas

a fio d’água não precisam de planejamento, mas decisões são
imperativas onde exista uma opção entre gerar energia elétrica
ou armazenar água para produção posterior. Dependendo do
tamanho do reservatório, tais decisões podem cobrir intervalos
de tempo que podem variar de um dia a várias semanas, meses
ou anos para os reservatórios maiores, os chamados reservató-
rios de regulação. As usinas onde a programação e regulação
se estendem por vários meses devem ser planejadas sobre uma
base anual ou multianual. Desde que o objetivo lógico desse
planejamento seja tentar substituir a produção térmica mais
cara esse tipo de planejamento é usualmente coordenado com
as usinas térmicas. Uma estratégia semelhante é realizada com
outras tecnologias sujeitas às restrições sobre uso que limitam
a produção acumulada em um intervalo de tempo, tipicamente
sazonal ou anual. Um exemplo pode ser a existência de quotas
obrigatórias de consumo nacional de combustível ou limites de
poluição anual.
Curto prazo
As decisões em curto prazo correspondem a uma escala
semanal, isto é, de alguns dias a um mês. Deve-se determinar
o plano de produção para as usinas hidroelétricas e de vapor
sobre uma base horária para cada dia da semana ou do mês.
Esse plano deve obedecer, entretanto, às instruções recebidas
do nível de decisão imediatamente superior em relação às ações
de manutenção, de programação semanal ou mensal de hidro-
elétricas, de planos de emissão, de programação de quotas de
combustível, etc.
Nesse nível, os detalhes do sistema são extremamente rele-
vantes, e devem ser levados em consideração aspectos tais como
108
os processos de partida e parada de usinas de geração a vapor e

os custos; as restrições hidrológicas na bacia dos rios; a ordem
de programação das usinas; o perfil cronológico da demanda ne-
cessária para a monitoração adequada da produção; a capacidade
de geração de reserva para responder imediatamente às falhas
imprevistas de equipamentos e assim por diante.
A possibilidade de variar o nível de geração de uma usi-
na a vapor é limitada pelas características técnicas das unidades
de geração. Uma usina desse tipo fica inativa por um período
de tempo e para atingir o estado operacional demora um cer-
to intervalo de tempo, que é principalmente determinado pelo
tempo necessário para esquentar a caldeira a uma temperatura
determinada. Esse tempo mínimo depende, portanto, do estado
de esfriamento da caldeira: em outras palavras, da quantidade de
tempo que a usina esteve desligada. A maioria das usinas con-
vencionais a vapor pode requerer de 8 a 10 horas se a caldeira
estiver completamente fria. As usinas a gás e CCGT (Usina de
Turbina a Gás de Ciclo Combinado) são mais flexíveis, preci-
sando de 1 a 2 horas, ou, às vezes, alguns minutos para turbinas
a gás simples. Como resultado, o custo de partida de uma usi-
na a vapor é significativo e pode ser considerado no preço do
combustível que deve ser usado apenas para esquentar a caldeira
para uma temperatura adequada. Por esse motivo, se a demanda
diminui muito, pode não ser econômico desconectar uma usina
a vapor à noite, mas manter a usina em um nível de produção
mínimo. Esse nível, conhecido como carga mínima da usina, é
relativamente elevado, geralmente da ordem de 30 – 40% da ca-
pacidade máxima da usina, devido às exigências de estabilidade
de combustão na caldeira. Dependendo dos estudos de custo
-benefício, então, deve-se tomar a decisão se é economicamente
mais adequado arrancar e parar a usina todo dia (ciclo de partida
109
diário), ou parar somente no final de semana (ciclo semanal),

ou simplesmente não parar, como no caso das usinas nuclea-
res. Frequentemente pode ser mais eficiente manter a caldeira
quente sem produção. A constante térmica da caldeira e seus
limites impõem restrições de quanto rapidamente a taxa de ge-
ração de uma usina a vapor pode ser modificada, que são conhe-
cidas como restrições rampa ascendente e descendente. Tudo
isso implica um planejamento cuidadoso de partida e parada das
usinas, um problema conhecido como programação de usinas.
Essa decisão também é fortemente influenciada pela pro-
gramação hidroelétrica semanal ou anual, assim como pelas exi-
gências de capacidade de reserva do sistema. As usinas hidroelé-
tricas são muito mais flexíveis com relação a esse aspecto, com
tempo de reposta praticamente igual a zero, sem custos signifi-
cativos de partida, e, virtualmente, sem limites reais para utili-
zar a capacidade de geração. A programação ótima da produção
hidroelétrica para responder às variações sazonais da demanda
leva em conta várias considerações: decisões de alto nível so-
bre a quantidade de recursos hídricos que devem ser usados na
semana ou no mês, a distribuição horária de custos reais (coor-
denação hidrotérmica durante a semana ou mês) e as restrições
técnicas sobre as usinas a vapor. A geração hidroelétrica e o res-
pectivo uso de água nos reservatórios devem igualmente levar
em conta as possíveis restrições impostas pelo uso da água para
outros propósitos (irrigação, fauna, nível mínimo de água no
reservatório e níveis de fluxo de água no rio, etc.), assim como
outros fatores condicionantes típicos do uso da água e de sua
configuração: canais, limites de reservatório, reservatórios em
cascata, ou aquedutos.
Nesse caso, o critério de confiabilidade desempenha um pa-
pel na tomada de decisão. Devem ser realizadas previsões para a
110
substituição imediata de alguma usina no sistema que se espera

que possa falhar, ou ter a capacidade de resposta para saídas
de linhas de transmissão. Isso requer a partida e a conexão de
novas usinas, que embora não sejam necessárias em condições
normais, devem ter a capacidade de gerar a potência requerida
por várias horas, se necessário, para cobrir a emergência.
Tempo real
As funções de operação em tempo real estão baseadas es-
sencialmente no critério de segurança antes que em considera-
ções financeiras. A operação econômica do processo é definida
por decisões de alto nível, embora alguns detalhes nunca devem
ser perdidos de vista, como os aspectos econômicos da confia-
bilidade. A supervisão, o controle e o monitoramento assegu-
ram a viabilidade técnica do imenso e dinâmico sistema elétrico
de potência.
Expansão e operação no novo contexto

regulatório
O novo marco de regulação da indústria de energia elétrica
está trazendo profundas mudanças nos hábitos do planejamento
e na operação dos sistemas elétricos de potência. A liberalização
da indústria trouxe junto uma dramática descentralização das
funções de planejamento e operação. A expansão do sistema,
agora focado no investimento, e a operação são resultados de
decisões de empresas individuais com base na maximização dos
lucros, sob uma organização por concessão ou através de con-
tratos de fornecimento de energia elétrica de empresas privadas.
O risco financeiro e econômico e o retorno antecipado do in-
vestimento, em vez do critério tradicional de minimização de
111
custos, determinam a tomada de decisões. Refletindo nas tarifas

pagas pelos consumidores, o desafio para as autoridades admi-
nistrativas e de regulação é projetar as regras do mercado libe-
ralizado que por sua vez deve assegurar que o comportamento
estritamente empresarial de cada participante do mercado leve a
uma minimização integral dos custos do sistema.
A operação do sistema em tempo real, entretanto, continua
a ser uma tarefa centralizada. O operador central, usualmente
chamado operador do sistema, supervisiona a segurança desse
sistema sob um esquema de supervisão e de controle. Assegurar
a viabilidade técnica em tempo real do sistema implica uma co-
ordenação avançada de todos os recursos disponíveis, que, por
sua vez, requer absoluta independência dos interesses individu-
ais dos outros participantes. A operação de um sistema elétrico
de potência é vista, portanto, sob uma perspectiva totalmente
diferente. Existem novas funções, responsabilidades e formas
para realizar o processo de tomada de decisões e as mudanças
no rol desempenhado por cada um dos agentes envolvidos. As
empresas de eletricidade devem se reorganizar para assumir
suas novas funções no mercado. Elas devem enfrentar o desa-
fio de se adaptarem ao novo ambiente, em que devem mudar
muitas rotinas de operações habituais, e onde novos direitos e
tarefas devem aparecer. Algumas das mais novas tarefas estão
relacionadas com elaboração de contratos e com formulação do
orçamento anual – receitas menos gastos de operação – tudo
dentro de um ambiente de política de gerenciamento de risco.
Longo prazo
O novo ambiente revolucionou completamente a aborda-
gem usada no planejamento da geração. A liberalização e des-
centralização das decisões de investimento atribuem a cada
112
participante a responsabilidade para avaliação da conveniência

de investimento em novas usinas, com base na análise de custo
-benefício individual. Portanto, o novo investimento é estudado
sob a perspectiva do rendimento estimado sobre um período
de vários anos; em outras palavras, da avaliação do futuro de-
sempenho do mercado. Tal análise precisa de fatores associados
com preços estimados de combustível, de níveis de demanda, de
novos investimentos de terceiros, de preços de mercado, e assim
por diante. E a avaliação do risco financeiro joga um rol crucial
em tais decisões, porque é a chave para o financiamento adequa-
do do investimento. A precipitação da chuva e a variabilidade da
demanda, assim como a possível interação entre os cenários de
preços e as decisões de expansão de terceiros, são aspectos que
devem ser considerados nesse ambiente. A gestão do risco cons-
titui uma das atividades principais e direciona o planejamento
e a operação dos sistemas de energia elétrica. a formulação de
contratos para fornecimento de potência ou obtenção de finan-
ciamento, junto com o acesso a futuros mercados e opções, são
elementos de imensa importância neste ambiente.
Enquanto o planejamento da rede de transmissão continua
a ser centralizado, a perspectiva está mudando, e as decisões
diárias estão sujeitas a muita incerteza. O critério básico de pla-
nejamento, isto é, a otimização da utilidade social da produção
da eletricidade e do consumo, permanece inalterado. Entretan-
to, não existe mais a forma de minimização dos custos de pro-
dução, mas a maximização do lucro dos agentes individuais do
mercado: para os consumidores, a utilidade do consumo me-
nos o custo de compra da eletricidade, e, para os produtores,
os custos de venda menos os custos de geração da eletricidade.
Além disso, a incerteza em torno das decisões do planejador
cresceu dramaticamente. Tradicionalmente, a rede foi planejada
113
com base em decisões prévias da expansão da capacidade de

geração, informação que, em um ambiente de livre competição,
não está centralmente compilado ou disponível a priori, mas
é resultado de decisões de negócio realizadas individualmente
pelos diferentes participantes em qualquer tempo. Consequen-
temente, nem a quantidade, nem a localização de novas usinas
são conhecidas com certeza quando a rede está sendo planejada.
Adicionalmente, o tempo que pode transcorrer de quando se
tomou a decisão de construir uma linha até que a linha entre
em operação está aumentando muito, devido, em particular, às
dificuldades relacionadas com o ambiente e com a organização
territorial. Como resultado, a construção de uma rede de trans-
missão leva tempo que pode ser maior que a construção de uma
usina de geração.
Médio prazo
Dos diversos agentes participantes no mercado de energia
elétrica, vários devem tratar de otimizar suas decisões em médio
e curto prazos: consumidores, fornecedores e produtores. Na
operação do sistema, entretanto, os produtores jogam o papel
principal. Os três objetivos perseguidos no médio prazo pelos
geradores são:
• Formular previsões econômicas de médio prazo men-
cionadas anteriormente: gerenciamento de contratos,
determinação das estratégias de negócios de longo pra-
zo e avaliações de investimento;
• Prover informação para as funções de longo prazo
mencionadas anteriormente: gerenciamento de contra-
tos, determinação das estratégias de negócios de longo
prazo e avaliações de investimento;
114
• Prover informação para as funções de curto prazo, em

particular a formulação de licitações no mercado diário
para a energia elétrica e os serviços ancilares; diretrizes
de produção hidroelétrica, valoração das reservas de
água e diretrizes para produção de usinas a vapor sujei-
tas à provisão de quotas nacionais de carvão, restrições
ambientais, entre outros.
A nova abordagem para desenvolver os modelos de apoio a
essas decisões, que a otimização do ganho de cada agente do mer-
cado, leva de uma forma ou de outra a construir novos modelos
baseados na teoria macroeconômica e em conceitos da teoria de
jogos. Os mercados, sendo vistos como elementos dinâmicos, se
estabilizam em torno de pontos de equilíbrio caracterizados pela
estrutura de produção dos vários agentes. Alternativamente, eles
podem ser vistos como o resultado de um jogo em que as regras
ultimamente estabelecidas impõem uma estratégia a ser seguida
por um agente em resposta para as reações de todos os outros.
Curto prazo
Embora exista uma variedade de formas de organizar os
mercados elétricos, todos eles têm uma série de mercados de
curto prazo (tipicamente diário), assim como mercados intradi-
ários e o mercado de serviços ancilares, onde é determinada a
produção de curto prazo das usinas geradoras. Dos três, a oferta
diária de mercado é, usualmente, a mais importante em termos
de volume negociado. Consequentemente, a operação de cur-
to prazo tende a resolver a preparação do negócio diário. Esse
processo é controlado pela decisão estratégica de maior nível.
Como tal, ele é informado pela decisão de produção analisada
em períodos que cobrem o longo prazo, e seu papel consiste em
ajustar os preços de mercado sobre a base do dia a dia. A esti-
115
mação dos preços de curto prazo, para essa escala de tempo com
as incertezas associadas com chuvas, sendo a disponibilidade de
unidades geradoras muito pequena, é uma tarefa importante,
visto que serve como guia para decisões sobre a internalização
dos custos das unidades geradoras a vapor e se deve mudar para
a produção hidroelétrica. Como resultado disso e esclarecida a
hipótese do comportamento de competição, as empresas esta-
belecem suas ofertas, especificando quantidade e preço, com os
quais elas competem no mercado atacadista.
Tempo real
Como no esquema tradicional, a operação em tempo real
é fortemente influenciada pelas considerações de segurança e
tem uma estrutura semelhante, embora considerável esforço ge-
ralmente seja feito para diferenciar claramente os valores dos
vários tipos dos chamados serviços ancilares fornecidos pelos
agentes. Sempre que possível, os mecanismos de mercado fo-
ram implementados para decidir competitivamente quem deve
prover que serviço e por qual preço. Tais mecanismos de merca-
do foram implementados para decidir competitivamente quem
deve prover que serviço e por qual preço. Tais mecanismos es-
tão frequentemente implantados com a operação, secundária ou
terciária, com a capacidade de reserva, como também com o
controle de tensão e com sistemas com tempo de partida. A fre-
quência primária ou controle de saída continua sendo um servi-
ço básico obrigatório à disposição do operador do sistema como
um elemento vital para a segurança do sistema.
Nessa estrutura competitiva, as empresas devem oferecer
seus serviços levando em conta os custos realizados em suas
usinas para a produção, assim como levando em conta outras
considerações, como as oportunidades do mercado.
116
O ambiente regulatório
Regulação tradicional e regulação de mercado
competitivo
A regulação pode ser definida como um sistema que permi-
te a um governo formalizar e institucionalizar seus compromis-
sos para proteger consumidores e investidores. Dependendo do
desenvolvimento da indústria de energia elétrica em cada país e
em diferentes regiões de cada país, da ideologia predominante,
dos recursos naturais específicos e das mudanças tecnológicas,
entre outros fatores, a indústria da energia elétrica adotou di-
ferentes formas de organização e de propriedade (público ou
privado, nível municipal, estadual ou nacional).
A despeito da diversidade, desde que a indústria da eletri-
cidade atingiu a maturidade e até recentemente, a regulação em
todo o mundo foi uniformemente aplicada como se fosse um
serviço público de fornecimento organizado em uma estrutura
monopólica, com garantia de concessão para uma empresa elé-
trica típica e verticalmente integrada e preços regulados basea-
dos nos custos realizados para fornecer o serviço. Esse tipo de
estrutura é chamado, como a abordagem tradicional. sob esse
esquema, as relações entre as diferentes empresas elétricas fo-
ram geralmente caracterizadas como de cooperação voluntária
em um número de áreas, como ligando a gestão da regulação
da frequência ou a capacidade de reserva de operação, o inter-
câmbio por motivos econômicos ou de emergência, e o uso da
rede de transmissão ou distribuição por terceiros sob termos
negociados pelas diferentes partes envolvidas.
Essa uniformidade de regulação foi alterada em 1982, quan-
do o Chile fez uma abordagem inovadora, que separou as ativida-
des básicas envolvidas no fornecimento da energia elétrica. Sob
117
esse novo arranjo, a maioria das empresas foi privatizada, e foi

criada uma organização competitiva (dentro de limites estritos)
ou um mercado atacadista com despacho centralizado baseado
em custos variáveis declarados. Todos os geradores foram pagos
com o preço marginal do sistema, e contratos em longo prazo
foram instituídos para compensar a volatilidade dos preços. O
novo esquema também previu orientações para o planejamento
da geração, em que o estado assume um papel meramente sub-
sidiário, quanto de livre acesso para a rede elétrica sujeito a um
pagamento de pedágio de transmissão. Reformas semelhantes
não foram introduzidas até 1990 quando a indústria elétrica foi
transformada muito mais radicalmente na Inglaterra e País de
Gales e, logo em seguida, na Argentina (1991) e Noruega (1991).
Desde então, muitos outros países, incluindo Colômbia, Suécia,
Finlândia, Nova Zelândia, os estados australianos de Victória e
Novo Gales do Sul (mais tarde dando origem ao mercado na-
cional australiano), América Central, Peru, Equador, Bolívia,
El Salvador, muitos estados nos Estados Unidos e no Canadá,
Holanda, Alemanha, Itália, Portugal e Espanha, entre outros,
estabeleceram ou estão estabelecendo mecanismos de regulação
da energia elétrica para um mercado livre. Certos elementos da
livre competição foram introduzidos em contextos de regulação
tradicionais por países da Europa Oriental, e países como Mé-
xico, Malásia, Filipinas, Indonésia, Tailândia, Índia e Jamaica.
Novo ambiente regulatório

Motivação
A mudança de regulação na indústria de energia elétrica,
que faz parte de uma onda de liberalização econômica e que
afeta as empresas de transporte aéreo, de telecomunicações, de
118
serviços bancários, de fornecimento de gás, e assim por diante,

foi possível graças a uma variedade de fatores. Por outro lado,
o desenvolvimento da capacidade de interconectar sistemas de
energia elétrica levando a um incremento efetivo do tamanho do
mercado potencial eliminou ou reduziu as possíveis economias
de escala que se podem ter uma única unidade de produção. Por
outro lado, a geração de tecnologias competitivas que podem ser
construídas em curto tempo está, ao menos incialmente, abrin-
do os mercados recentemente criados a um número grande de
novos operadores. Em alguns países, o fator determinante foi
a insatisfação com a abordagem tradicional devido a suas defi-
ciências mais comuns: excesso de intervenção governamental,
confusão sobre o papel dual do estado como proprietário e re-
gulador, ineficiência na gestão técnica e financeira devido à falta
de competição ou falta de capacidade de investimento. Final-
mente, o avanço tecnológico em áreas, como medição, comuni-
cação e processamento da informação, abriu o caminho para o
advento da competição no fornecimento da energia elétrica para
os consumidores finais.
Fundamentos
A regulação da indústria de energia elétrica está baseada
em uma premissa fundamental: é possível ter um mercado ata-
cadista para a energia elétrica aberto para todos os geradores,
para aqueles que já existem e para aqueles que, voluntariamente,
entram no mercado, e para todas as entidades consumidoras. A
essência desse mercado atacadista é tipicamente um mercado
spot para a eletricidade, com relação, ou como uma alternativa,
aos diferentes tipos de contratos em médio e longo prazos, e
ainda é estabelecido um mercado organizado para os derivados
da eletricidade. Os agentes participantes nesse mercado são as
119
geradoras, os consumidores autorizados, e as diferentes catego-

rias de empresas fornecedoras, e atuam em nome de grupos de
consumidores não autorizados, ou consumidores autorizados,
ou simplesmente como estritamente intermediários. O novo
contexto de regulação deve também abranger muitos outros te-
mas, como: a criação de um mercado atacadista possibilitando a
todos os consumidores exercer o direito de escolha do fornece-
dor; os mecanismos e instituições necessárias para coordenar o
mercado organizado e, especialmente, a operação técnica do sis-
tema; acesso à rede de transmissão e de distribuição, de expan-
são e de remuneração, assim como a qualidade do fornecimento
e o estabelecimento de pedágios para o uso da transmissão; ou
o projeto da transição de um mercado tradicional para um com-
petitivo, protegendo os legítimos interesses de consumidores e
de empresas.
Requisitos
Neste ambiente, não se devem perder de visa as característi-
cas tecnológicas e econômicas da indústria de energia elétrica que
condicionam os dispositivos de regulação que devem governar:
• A infraestrutura necessária para a geração, transmissão
e distribuição da energia elétrica é custosa, altamente
especializada e demorada;
• A energia elétrica é essencial para os consumidores,
tornando a opinião pública altamente sensível às pos-
síveis saídas de serviços ou de fornecimento pobre
em qualidade;
• A energia elétrica não é economicamente armazenável
em grandes quantidades, e portanto, a produção deve
ser adaptada instantaneamente para a demanda;
120
• A operação real de um sistema elétrico de potência é o re-

sultado de uma cadeia complexa de decisões ordenadas;
• O fornecimento de energia elétrica combina ativida-
des que claramente contêm os requisitos de um mo-
nopólio natural (os serviços de transmissão e de dis-
tribuição ou operação de um sistema) com outros que
podem ser realizados em condições competitivas (ge-
ração e fornecimento).
• A organização e a estrutura de propriedade das empre-
sas de energia elétrica variam muito entre os diferentes
sistemas de energia elétrica.
Deve ser levado em conta que o fornecimento da energia
elétrica em um ambiente competitivo está sujeito à existência
de certas atividades associadas essencialmente com a rede de
transmissão e de distribuição, cujo controle envolve um poder
absoluto sobre o mercado de energia elétrica. Consequentemen-
te, essas redes e as atividades a elas associadas devem ser abso-
luta e totalmente independentes das atividades competitivas, ou
seja, a produção e o fornecimento. Por esse motivo, e quando
a maioria dos processos de liberação foi introduzido, a indús-
tria foi dominada por empresas verticalmente integradas, isto
é, empresas conduzindo todos os estágios desde o negócio da
produção até o faturamento ao consumidor final; a organização
industrial e a estrutura de propriedade quase sempre tiveram de
ser mudadas antes de implementar o mecanismo de competição.
Naturalmente, após essa reforma, deve-se dar atenção especial
para questões, como a concentração horizontal de empresas de
produção e de fornecimento e a integração vertical entre elas
para garantir uma competição livre e leal.
121
Atividades de natureza elétrica

Uma avaliação cuidadosa do processo integral do forne-
cimento da energia elétrica para os usuários finais permite a
identificação de várias atividades de natureza técnica e econô-
mica muito distintas e, portanto, capazes de receber um trata-
mento de regulação diferente. A divisão clássica em geração,
transmissão e distribuição é excessivamente simples e também
contém erros grosseiros, como a integração da atividade de dis-
tribuição em uma categoria simples. No mínimo, a distribuição
inclui duas atividades de natureza claramente diferentes: por
um lado, existe o serviço de distribuição que permite que a
energia elétrica chegue fisicamente da rede de transmissão para
os usuários finais e tem a forma de monopólio natural; por
outro lado, existe o serviço de marketing dessa energia que é
adquirida a granel e depois retalhada e pode ser realizada em
um cenário competitivo.
Com a primeira classificação geral, as atividades devem ser
categorizadas em classes básicas: produção (geração e serviços
ancilares), rede elétrica (transmissão e distribuição), transação
(mercado atacadista, mercado varejista, balanço de mercado) e
coordenação (operação do sistema e do mercado), e em algumas
outras classificações complementares tais como medição ou fa-
turamento. Essa discriminação pode ser considerada excessiva;
entretanto, é necessária para iniciar em um nível de projeto com
a pretensão de realizar uma análise adequada da estrutura de re-
gulação. Como exemplo, o planejamento da expansão da rede de
transmissão é uma atividade que deve ser regulada de uma for-
ma ou de outra, dadas suas características de monopólio natural
e sua influência significativa sobre as condições de operação do
mercado elétrico. Inversamente, uma vez que as características
e o início de operação de uma nova linha são decididos, a cons-
122
trução pode ser atribuída por algum processo de concorrência

onde exista competição em preço e em qualidade.
Separação de atividades
O número de atividades indicadas não necessariamente im-
plica uma correspondente multiplicidade de entidades para sua
execução. Existe uma sinergia e custos de transação que tornam
inconveniente em certos casos que uma empresa simples em-
preenda várias atividades. Também deve ser especificado, en-
tretanto, que os conflitos de interesses podem aparecer em uma
entidade que é responsável por mais de uma atividade, quando
a execução de uma atividade pode beneficiar a entidade perante
outros agentes na execução da outra atividade que se encontra
aberta à competição. Podem ser aplicados diferentes níveis de
separação, mas é necessário ajustá-los para cada caso particular.
Basicamente, essas atividades podem ser separadas em quatro
tipos: contabilidade, gerenciamento, norma legal (isto é, diferen-
tes empresas que podem pertencer aos mesmos donos através de
um truste) e propriedade.
A regra básica na separação de atividades sob a nova regu-
lação é que uma empresa simples não pode executar atividades
reguladas (por exemplo, distribuição) e atividades competitivas
(tais como geração) ao mesmo tempo. O apoio potencial a ser
fornecido para uma atividade regulada para uma competitiva é
para esta uma vantagem evidente, e tal vantagem, é legalmen-
te inaceitável. Igualmente, o risco da atividade competitiva não
pode ser transferido para uma regulada, já que certamente vai
recair sobre os consumidores, que não têm opção de escolha.
Uma transparência adequada na atividade regulada tam-
bém requer pelo menos a separação de contas entre as corres-
pondentes unidades de negócio. Empregas engajadas em ati-
123
vidades reguladas não estão autorizadas a conduzir atividades

diversificadas (isto é, atividades não relacionadas à eletricidade),
ou devem pelo menos estar autorizadas pela agência reguladora.
Tal autorização deve estar inicialmente amparada na não exis-
tência de impacto negativo sobre os negócios regulados que po-
dem ser finalmente repassados para os consumidores, que não
têm opção de escolha.
O projeto do novo marco regulador deve considerar os vá-
rios benefícios e inconvenientes quando se atribuem atividades a
entidades e se ordena a separação por níveis, e também deve levar
em conta as características específicas do sistema atual, particu-
larmente a estrutura inicial de negócios. Geralmente são possíveis
várias alternativas, como mostram as diversas experiências sub-
metidas em países que adotaram o novo marco elétrico regulado.
Atividades de geração
As atividades de geração incluem a geração elétrica ordiná-
ria e especial. Geração elétrica especial é tipicamente entendida
como as tecnologias de cogeração e de produção que usam fon-
tes renováveis e, normalmente, diferem das ordinárias, porque
recebem um tratamento mais favorável como forma de compen-
sação, prioridade na operação, entre outras, como acontece em
muitos países. Os chamados serviços ancilares ou complemen-
tares devem ser incluídos quando são fornecidos por geradores,
e contribuem com um nível adequado de qualidade e de segu-
rança no fornecimento da energia elétrica.
A geração ordinária é uma atividade não regulada condu-
zida em condições de competição, sem restrições de entrada e
com acesso livre para a rede. A venda da produção pode acon-
tecer através de diferentes processos de transação, basicamente
no mercado spot, ou, através de contratos, quando se trata de
124
atividades de transação. A geração especial, do ponto de vista

de regulação, não tem outra diferença da geração ordinária. A
razão fundamental para ajudar a geração especial é seu impacto
ambiental menor quando comparado com a geração ordinária.
A incapacidade de considerar explicitamente os custos ambien-
tais nos preços do mercado elétrico atual é compensada pelo uso
de padrões de regulação diferentes de forma a nivelar todas as
tecnologias de produção, e permite que elas possam competir
em condições parecidas reconhecendo implícita ou explicita-
mente os custos totais efetivamente realizados.
As seguintes regras são incluídas nos esquemas de regula-
ção atualmente em uso, ou são propostas para promover a gera-
ção especial da energia elétrica:
• Obrigação para as empresas que vendem ou distri-
buem energia para oferece-las a preços administrati-
vamente fixados;
• Um prêmio, fixado ou atribuído por meio de mecanis-
mos competitivos, por kWh produzido com geradores
que são elegíveis para esse efeito;
• Isenção de certas taxas, particularmente aquelas que
são aplicadas na produção de energia;
• Ajuda com investimentos ou programas de P&D
(pesquisa e desenvolvimento) relacionados a essas
tecnologias;
• Cotas obrigatórias para a compra de energia do setor
especial por operadores autorizados e consumidores,
encorajando assim a criação de um mercado paralelo
para a compra e venda dessa energia;
• Compra voluntária da energia renovável pelos usuários
finais que pagam uma quantidade extra para financiar
a atividade de geração especial.
125
Quando se escolhe uma abordagem adequada, enquanto

evita a interferência com a operação do mercado tanto quanto
seja possível, a eficiência, isto é, o grau de cumprimento da meta
versus o custo adicional incorrido, será basicamente valorizada.
Além da produção de energia, os grupos engajados na
produção contribuem na provisão de outros serviços que são
essenciais no fornecimento eficiente e seguro da eletricidade:
eles fornecem reservas para operações futuras possibilitando-
lhes atuarem em diferentes escalas de tempo e enfrentando os
inevitáveis desequilíbrios entre geração e demanda; eles ajudam
a regular a tensão na rede elétrica para diferentes condições de
operação, ou permitem a recuperação rápida do serviço quando
acontece uma falha geral. A tendência atual em regulação adi-
cional, globalmente chamado de serviços ancilares, é resumida
em duas visões básicas: o uso, se possível, de uma abordagem de
mercado para a alocação e compensação do referido serviço, ou,
em caso contrário, a aplicação direta de regulação e a atribuição
de encargos decorrentes dos custos incorridos pelos agentes que
causaram a demanda.
Atividades da rede
O fornecimento de energia elétrica requer necessariamente
o uso de redes que, dadas suas características técnicas e econô-
micas, devem ser administradas e reguladas como um mono-
pólio natural. Tal exigência é uma condição básica para a nova
regulação do setor.
As atividades da rede incluem planejamento dos investi-
mentos, construção, planejamento da manutenção, manutenção
propriamente dita e operação. O processo de investimento em
planejamento determina a disponibilidade de dados, a localiza-
ção, a capacidade e outras características dos novos ativos da
126
uma rede. O processo de planejamento da manutenção determi-

na os períodos de inatividade para cada linha para fazer reparos
e ações necessárias para manter as linhas operativas e confiáveis.
A construção e a manutenção são atividades que pode ser rea-
lizadas por empresas especializadas, não necessariamente por
empresas elétricas. A operação da rede é o gerenciamento do
fluxo de energia dentro da rede através de ações executadas dire-
tamente nas instalações físicas da transmissão e na coordenação
com ações executadas nas instalações de produção e de consu-
mo. As redes também podem participar na provisão de certos
serviços ancilares, que usualmente são diretamente reguladas,
tais como a regulação de tensão.
O planejamento da expansão e da manutenção para a rede
de transmissão tem um impacto sobre a forma como as ativida-
des são coordenadas que, por sua vez, afetam o mercado elétri-
co. Consequentemente, a independência da entidade competen-
te responsável, ou seja, o operador do sistema, em relação aos
agentes do mercado deve ser preservada. Além disso, ambas as
atividades de planejamento têm efeitos evidentes sobre o plane-
jamento da construção de redes e a manutenção a ser realizada
pelas empresas de transmissão. Da mesma forma, não se pode
negar que a sinergia entre as diferentes redes sugere que elas
devem ser dirigidas por uma única empresa; portanto, existem
importantes motivos de regulação para separar a operação do
sistema de qualquer empresa transmissora.
Por outro lado, a rede de distribuição não tem interferên-
cia na coordenação do mercado. Assim, todas as atividades da
rede em uma área podem ser facilmente executadas pela mesma
empresa, ou seja, pelo distribuidor local. Dentro do contexto
de regulação analisado, existem duas outras diferenças entre a
atividade de transmissão e a atividade de distribuição: a grande
127
maioria dos usuários finais estão conectados à rede de distribui-

ção, que é a razão par a importância particular da qualidade de
serviços e o grande número de empresas distribuidoras torna
impossível o tratamento individual da regulação, particularmen-
te em relação ao pagamento, o que resulta no uso global de pro-
cedimentos simplificados. A nova regulação das redes elétricas
pode ser reduzida a três aspectos principais: acesso, investimen-
to e preço.
Transmissão
Acesso: os sistemas que participam na nova regulação de-
vem ter acesso implícito à rede de transmissão e todos os agen-
tes autorizados a tomar parte no mercado atacadista. A capa-
cidade da rede obviamente impõe limites físicos para o acesso
e existem várias restrições de procedimento de gerenciamento
para resolver os potenciais conflitos que podem aparecer. Es-
ses procedimentos vão desde a aplicação dos preços nodais ou
zonas de preços em um mercado atacadista organizado (assim,
implicitamente resolvem as restrições da rede) aos leilões reali-
zados para atribuir uma capacidade limitada entre os diferen-
tes agentes. Servem ainda para modificar o despacho feito pelo
operador do sistema de acordo com as regras estabelecidas e, até
mesmo, para a atribuição prévia de direitos de uso de longo pra-
zo da rede, seja através de leilões, seja baseado em participação
na construção da linha.
Investimento: o propósito da nova regulação a nível de
projeto é obter uma rede que maximize os benefícios adicionais
para consumidores e produtores, que são os que devem arcar
com os custos da rede. Certos critérios de confiabilidade explí-
citos geralmente são usados no planejamento da rede em vez de
incluir todos eles nas funções de economia a serem otimizadas.
128
A abordagem usada, principalmente, é o planejamento

centralizado, atribuída a uma entidade especializada, sujeita a
critérios de seleção preestabelecidos, em relação às melhores al-
ternativas, e sempre sob uma concordância administrativa final
para cada empresa. Tradicionalmente, tal entidade é uma em-
presa verticalmente integrada, que é o operador do sistema sob
a nova regulação. O pagamento da rede, fixado pelo regulador
ou para certas instalações, é determinado diretamente em um
processo de licitação para a construção e a manutenção. Tal pro-
cedimento pode ser aberto para a participação e propostas das
partes interessadas, com a intervenção do regulador para evitar
a possibilidade de sobre investimento. Essa abordagem pode ter
uma dificuldade em um ambiente liberalizado, visto que, é mui-
to difícil prever o desenvolvimento futuro da geração de energia
elétrica que pode ser também afetado pela expansão da rede.
A segunda abordagem faz de uma única empresa de trans-
missão a única responsável pela operação e pelo planejamento
da rede. Neste caso, a empresa pode também ser operadora do
sistema, que deve:
• Informar os usuários da previsão do congestionamento
ou da capacidade remanescente da rede nas diferentes
barras de acesso dentro de um limite de tempo razoável;
• Assegurar que a rede cumpra com certos padrões de
projeto e de serviço formalmente preestabelecidos;
• Assumir a expansão das instalações da rede, se neces-
sário, para atender a pedidos de acesso, desde que os
padrões de qualidade sejam preservados.
O pagamento da transmissão deve ser prefixado pelo regu-
lador e deve cobrir os custos de uma companhia eficiente que
fornece o serviço dentro de condições estabelecidas. Esse méto-
do não garante uma expansão ótima da rede.
129
A terceira abordagem é deixar a iniciativa de reforços da

rede para usuários reais, que podem ponderar a contribuição
para os custos de investimento exigidos deles em relação aos
benefícios decorrentes de cada possível reforço proposto e, se a
avaliação for positiva, pode abrir um processo de licitação para a
execução de sua construção e manutenção. A empresa de trans-
missão ganhadora é compensada de acordo com os termos da
licitação, deixando a operação da instalação para o operador do
sistema. Esse procedimento é como uma orientação de mercado
permitido pela regulação da rede; entretanto, sua administra-
ção é complexa e baseia-se, principalmente, na disponibilidade
adequada de preços de rede para promover uma demarcação
adequada de seus agentes.
Preços: como as atividades de transmissão na rede estão
reguladas, os preços aplicados neste campo devem permitir
fundos suficientes para cobrir o custo integral (critério de equi-
dade ou viabilidade). É também fundamental que os agentes re-
cebam sinais econômicos adequados (critério de eficiência) em
relação a sua localização dentro da rede, no curto prazo, para
uma correta operação do mercado, considerando as perdas e
possíveis congestionamentos e, no longo prazo, incentivando
uma adequada localização de futuros agentes produtores e con-
sumidores. Os preços não podem ser discriminatórios. Quatro
conceitos de preços são frequentemente mencionados sob o tí-
tulo de preços na rede de transmissão que precisam ser dife-
renciados e tratados corretamente: custos de infraestrutura da
rede, perdas ôhmicas, congestionamento e serviços ancilares.
Os únicos custos da rede relevantes são os custos de investi-
mentos em expansão e os custos de manutenção das instala-
ções, e, na prática, nenhum deles está relacionado com o uso
dos ativos da transmissão elétrica. As perdas acontecem na rede,
130
mas elas são atualmente repassadas aos custos de produção; o

mesmo acontece com o excedente de custos de reprogramação
que podem aparecer devido ao congestionamento ou a outras
restrições relacionadas com a rede. Os serviços ancilares são,
principalmente, uma atividade de geração e, como tal, devem
ser regulados.
As perdas e o congestionamento na rede originam os si-
nais econômicos que devem ser vistos em qualquer tempo como
modificações do preço do mercado. Assim, o único preço do
mercado torna-se um preço nodal, isto é, um preço diferente
em cada barra da rede que transmite adequadamente o impacto
econômico das diferentes localizações dos geradores e dos con-
sumidores. Se o uso de um preço de mercado único é preferido,
isso não deve conduzir a uma dispensa dos sinais econômicos de
perdas e de restrições. As perdas são imputáveis para cada agen-
te, na forma de valor marginal ou de valor médio, que podem ter
um efeito corretor nos preços de fornecimento, ou, preferivel-
mente, sobre a quantidade atual produzida ou gerada, de forma
que os agentes possam absorver as perdas de seus fornecedores
no mercado atacadista.
O uso de preços nodais, em lugar de um único preço de
mercado origina um excedente que pode ser usado para cobrir
uma parcela dos custos da rede, em geral não mais de 20%. Em
qualquer caso, se um único preço de mercado ou preços nodais
são aplicados, a questão de atribuir tudo ou a maior parcela dos
custos da rede de transmissão para os usuários tem que ser re-
solvida. Vários métodos foram usados ou propostos para reali-
zar essa distribuição. O mais popular, especialmente em países
onde existem redes muito bem desenvolvidas e distâncias não
muito grandes entre a geração e a demanda, é simplesmente o
método selo postal, que consiste em cobrar de forma unifor-
131
me por kWh que é injetado ou retirado da rede, ou por kWh

instalado, independentemente da localização na rede. Quando
a localização de reforços em curto prazo indica uma melhoria
da rede em relação às perdas e restrições, devem-se implemen-
tar procedimentos que levam em conta o uso elétrico da rede
feito pelos agentes da rede, ou os benefícios econômicos que
cada usuário dela recebe, ou, também, a responsabilidade de
cada agente no desenvolvimento da rede existente. No contexto
de vários sistemas interconectados, com esquemas de regula-
ção elétrica geralmente diferentes que permitam as transações
entre seus respectivos agentes, um erro básico de regulação
deve ser evitado: quando se determina o pedágio da rede para
dois agentes envolvidos na transação, que estão localizados em
sistemas diferentes. Nos Estados Unidos, esse erro é chamado
pancaking e significa que são aplicados encargos para a transação
além dos encargos de pedágio pelas redes elétricas que devem
ser usadas na execução da transação. Deve ser observado que,
nesta situação, a quantidade do pedágio depende criticamente
da estrutura territorial, das empresas elétricas, ou países, que
têm pouco a ver com os custos reais impostos por tal transação
sobre a rede elétrica do grupo de sistemas. Fracassando o nível
de coordenação requerido para estabelecer um único pedágio
regional para cobrir o custo global da rede, uma abordagem
razoável e simples de aplicar pode ser que cada agente pague
somente os encargos da rede correspondente à infraestrutura
de rede de seu próprio país, como um direito único de conexão
para a rede regional, com um encargo separado para as perdas e
as restrições consideradas em conjunto. Procedimentos coorde-
nados podem também ser estabelecidos para atribuir os custos
de perdas e de gerenciamento das restrições que afetam as tran-
sações internacionais.
132
Atividades ancilares
Geralmente é o operador do mercado quem estabelece as
transações econômicas realizadas nos diferentes mercados que
controla. O operador pode também ser responsável pela liqui-
dação de outras transações e conceitos relacionados ao merca-
do atacadista, tais como os serviços ancilares, perdas, restrições
técnicas, saldos dos desvios finais e, também, em alguns sis-
temas, os acordos bilaterais entre os agentes. A liquidação das
atividades reguladas, como, por exemplo, a transmissão, a distri-
buição e outras questões, como assistência à geração especial, é
geralmente confiada à gestão central ou a uma entidade especia-
lizada e independente, encarregada dessa atividade.
Tradicionalmente, a medida do consumo e o correspon-
dente faturamento faziam parte integrante da atividade de co-
mercialização, porque formavam um conjunto inseparável com
a distribuição. Sob a nova regulação, é possível que essas ativi-
dades sejam realizadas de forma independente por empresas es-
pecializadas que competem pelo fornecimento desses serviços.
Isso também acontece com as instalações para conexão de usu-
ários finais, uma atividade que é considerada parte da distribui-
ção, mas que pode ser, e isso frequentemente acontece, realizada
por competição de instaladores independentes. É possível que,
no futuro, outras atividades sejam identificadas, que logicamen-
te possam ser executadas de forma separada, ou novas ativida-
des possam aparecer, por exemplo, dentro da competência da
filosofia reavivada de multiatividade, em que as empresas co-
merciais oferecem outros serviços além de eletricidade.
133
UNIDADE • 03
O modelo de despacho baseados em
fluxo de potência – operação ótima e
segura do sistema de transmissão.
O MODELO DE DESPACHO BASEADOS EM
FLUXO DE POTÊNCIA – OPERAÇÃO ÓTIMA E
SEGURA DO SISTEMA DE TRANSMISSÃO.
Nos estágios iniciais dos estudos de engenharia elétrica, os

sistemas de potência eram formados por geradores isolados que
forneciam energia a um número reduzido de cargas locais. Essas
configurações, relativamente fáceis de controlar e supervisionar,
deram lugar aos sistemas de potência atuais, constituídos de múl-
tiplos geradores e carga, conectados a uma rede de transmissão de
alta tensão. Consequentemente, devido a sua topologia malhada
e pela multiplicidade dos equipamentos, o planejamento e a ope-
ração dos sistemas de potência se tornaram muito complexos.
O crescimento da complexidade dos sistemas de potência,
com uma clara tendência ao incremento das interconexões com
sistemas adjacentes, é devido, principalmente, à importância da
diminuição dos custos da eletricidade e à melhoria da confiabili-
dade no seu fornecimento. Além disso, a progressiva liberaliza-
ção das restrições realça a participação em diferentes atividades
para facilitar a competição no mercado elétrico, e, com isso, adi-
ciona maior complexidade na operação dos sistemas de potência.
Como resultado, nos dias atuais, é obrigatório projetar um
gerenciamento adequado dos sistemas de energia (SEM – Ener-
gy Management Systems) onde são coletadas as informações
disponíveis e são levadas a cabo as tarefas tais como a supervi-
são e o controle. Por esse motivo, é também necessário pessoal
qualificado em planejamento e operação para assegurar o forne-
cimento da energia elétrica.
Este capítulo apresenta os conceitos inerentes, as atividades
e as ferramentas para a operação de sistemas de potência no
3 O modelo de despacho baseados em fluxo de potência
moderno contexto do SEM. Deve ser dada especial atenção a

ferramentas matemáticas e computacionais para formulação e
solução de problemas de redes de transmissão e sua otimização.
Inicialmente, é apresentada uma classificação do estado do
sistema de potência, como uma função do grau de segurança,
para identificar as diferentes atividades envolvidas na operação
do sistema. Na sequência, são apresentadas as técnicas de análi-
se de contingências para determinar o grau de segurança do sis-
tema de potência, constituindo a base de muitos estudos sobre
planejamento ou operação em tempo real.
Posteriormente, é apresentada uma breve introdução do
problema de fluxo de potência ótimo, com diferentes exemplos
de problemas de operação formulados como problemas de oti-
mização com restrições.
Finalmente são apresentadas e discutidas algumas questões
chaves de sistemas de potência relacionadas com a rede de trans-
missão com acesso aberto.
Os estados de um sistema de potência

Focado na operação de sistemas de potência, o objetivo do
controle em tempo real é basicamente manter as grandezas elé-
tricas dentro de limites predeterminados. Essas grandezas são
principalmente as tensões nas barras e os fluxos de potência.
O processo envolve a correção ou o ajuste dos efeitos da va-
riação da demanda e a consequência de eventos possíveis, mas
não previstos. Em consequência, para o operador responsável
pelo sistema, a segurança do sistema pode ser quantificada em
termos de sua capacidade em permanecer em um estado factí-
vel, sem violar nenhum dos limites operacionais especificados.
Em outras palavras, a capacidade de manter o estado desejado
138
na presença de mudanças esperadas (variação da geração e da

demanda) e eventos não previstos e chamados contingências.
A correta compreensão do papel desempenhado pelas di-
ferentes atividades envolvidas na operação de um sistema de
potência exige a classificação dos possíveis estados do sistema
como uma função do grau de segurança. Esta classificação está
baseada na proposta de DyLiacco. Usando essa proposta como
ponto de partida, define-se os estados do sistema de acordo com
a figura 3.1.
Figura 3.1: Estados de operação de um sistema de potência.
O sistema de potência está em estado normal quando se

encontram atendidas a demanda e todas as restrições operacio-
nais, isto é, quando os geradores, assim como os equipamentos
restantes, trabalham dentro de limites desejáveis.
Se não existe violação de limites, mas o critério de seguran-
ça acordado não está sendo cumprido, então se diz que a rede
está em estado de alerta.
Se o sistema entra em um estado de emergência, definido
como o estado em que aparecem algumas variáveis com os limi-
tes operacionais violados devido a uma variação inesperada da
demanda, ou devido a uma contingência, então devem ser toma-
das ações corretivas para eliminar todas as violações dos limites
139
e trazer o sistema de volta ao estado normal (controle corretivo).

Em certas circunstâncias, é necessária a atuação de dispositivos
de proteção ou a intervenção do operador para evitar maiores
problemas (corte de carga) produzindo a interrupção do servi-
ço aos consumidores. Nesse novo estado, os operadores devem
procurar restaurar o serviço interrompido (estado restaurativo).
O objetivo que guia as ações do operador depende do es-
tado do sistema. Por exemplo, se o sistema completo sofreu um
blecaute, os operadores da rede de transmissão não devem ten-
tar restabelecer o sistema interrompido. Esse objetivo afeta não
somente as ações de controle disponíveis, mas também a fase de
concepção dos sistemas de geração, transmissão e distribuição
para assegurar que as condições de operação sejam retomadas
em um tempo razoável.
O objetivo do controle corretivo é a restauração do sistema
para o estado normal, seguro ou inseguro, com prioridade ab-
soluta, já que em estado de emergência, as considerações econô-
micas são secundárias. Uma vez que as variáveis se encontram
novamente dentro de seus limites, o objetivo é basicamente eco-
nômico: minimização dos custos de produção e da distribuição
da geração total entre as unidades de geração mais econômicas.
Se a segurança do sistema é considerada prioritária, o controle
preventivo entre em cena para levar o sistema para um esta-
do seguro. A decisão de realizar ações de controle preventivo é
sempre tratada como um compromisso entre economia e segu-
rança, objetivos que geralmente são conflitantes.
Portanto, a existência de prioridades deve guiar as ações
de controle no sistema. Principalmente impostas pelo estado do
sistema, as prioridades podem ser contraditórias, como acontece
quando são necessárias ações de controle preventivo para ga-
rantir a segurança do sistema enquanto se move o sistema para
140
longe do ponto de operação do estado ótimo em termos dos

custos de produção.
Finalmente, deve ser enfatizada a importância dos sistemas
de controle e supervisão (SCADA), junto com as ferramentas
como estimadores de estado, para acompanhar a evolução das
diferentes grandezas elétricas.
O exemplo 3.1 ilustra um caso dos estados do sistema de
potência.
Avaliação da segurança: análise de

contingências
A avaliação do grau de segurança de um sistema de po-
tência é um problema crucial para o planejamento e a operação
diária. Sem levar em conta aspectos dinâmicos, a segurança de
um sistema de potência deve ser interpretada como a segurança
contra uma série de contingências previamente definidas; por-
tanto, o conceito de segurança e sua quantificação estão con-
dicionados. Nesse sentido, um critério comum é considerar as
seguintes contingências:
• Uma contingência simples de qualquer elemento de
qualquer elemento do sistema (gerador, linha de trans-
missão, transformador ou reator) conhecido como cri-
tério de segurança N – 1;
• Saída simultânea de linhas de circuito duplo que par-
tilhem torres em uma parte significativa do percurso
da linha;
• Em situações especiais, a saída do gerador de maior
capacidade em uma área e a saída de algumas linhas de
interconexão com o resto do sistema.
141
Em estudos de planejamento, que são mais exigentes com

relação à segurança que a própria operação, é considerada saída
simultânea de dos elementos do sistema (critério N – 2). Além
disso, a análise de confiabilidade do sistema, comumente usada
em estudos de planejamento, está baseada em análise detalhada
considerando saída simples ou simultânea de múltiplos circui-
tos, fazendo uso das probabilidades de ocorrência de falha e dos
tempos de reparos.
Consequentemente a avaliação da segurança, mais conhe-
cida como análise de contingências, basicamente consistem em
múltiplos estudos em que é determinado o estado da rede após a
saída de um ou de múltiplos elementos. A análise de contingên-
cias implica, na verdade, realizar um cálculo completo de fluxo
de carga para cada contingência selecionada. A questão é como
selecionar as contingências para uma análise detalhada, de forma
que nenhuma das contingências problemáticas seja deixada sem
análise; também deve ser levada em conta a velocidade requerida
para responder, de forma adequada, às exigências da operação
em tempo real. As técnicas correntes para análise de contin-
gências sempre incluem uma seleção prévia dessas contingên-
cias, baseadas em modelos aproximados. Então, as contingên-
cias consideradas problemáticas são analisadas detalhadamente
usando um algoritmo de fluxo de carga, geralmente um fluxo de
carga desacoplado rápido devido à sua velocidade de resposta.
Os primeiros algoritmos para a seleção de contingência,
ainda em uso regular, estão baseados na classificação das con-
tingências de acordo com uma ordem decrescente de severidade.
Essa classificação é realizada usando um índice de ordenamento
que trata de avaliar de forma aproximada o nível de carrega-
mento nas linhas e nos transformadores após uma contingência
escolhida. Essas técnicas fazem uso de fatores de distribuição,
142
isto é, fatores lineares que representam a mudança unitária do

fluxo de potência em cada linha de transmissão ou transforma-
dor após a saída de um gerador ou de um circuito. Para calcular,
de forma aproximada, o fluxo de potência ativa em cada ramo,
após uma contingência especificada, é suficiente multiplicar o
correspondente fator de distribuição pela potência do gerador
perdido ou pelo fluxo perdido no ramo antes da contingência.
Alguns autores propuseram o uso de fatores de distribui-
ção para detectar problemas de tensão anormal. Contudo, a
característica fortemente não linear do problema, que relacio-
na tensões e potência reativa, permite questionar os resulta-
dos obtidos usando essa técnica. Esse fato, além de mascarar
problemas inerentes ao uso de índices de ordenamento, justi-
fica o desenvolvimento de um segundo grupo de técnicas para
detectar contingências problemáticas, conhecidas como filtra-
gem de contingência. As técnicas de filtragem de contingência
encontram o estado aproximado do sistema de potência após
uma contingência usando apenas um ou duas iterações de um
algoritmo de fluxo de carga que é inicializado a partir do estado
de pré-contingência, seguido de uma verificação dos ramos que
estão sobrecarregados e das tensões fora de seus limites. Caso
sejam verificados problemas, então encontra-se o estado pós-
contingência exato para confirmar as suspeitas.
Análise de contingências baseada em fatores de

distribuição
Em redes de transmissão, é possível usar um modelo linear
aproximado que considera somente fluxos de potência ativa, o
fluxo de carga CC. O fluxo de carga CC fornece uma relação
linear entre a injeção de potência ativa e os ângulos de fase das
tensões nas barras,
143
VV θi − θ j
Pi = ∑ j Pj = ∑ j sen θ ij ≈ ∑ j
i j
(3.1)
xij xij
onde xij é a reatância do ramo entre as barras i e j.
A equação anterior pode ser escrita na forma matricial
como P = B θ. Então, os ângulos de fase podem ser removidos
para obter uma relação linear entre os fluxos de potência, P1, e
as potências injetadas nas barras P,
AT θ = X Pf 

Pf =  X −1 AT  θ  Pf =  X -1 A T B-1  P = Sf P (3.2)
P = A Pf 

onde A é a matriz de incidência ramo-nó reduzida (reti-
rando a barra de folga), X é matriz de reatância diagonal dos
elementos dos ramos, e Sf é a matriz de sensibilidade entre flu-
xos de potência dos ramos e as potências injetadas. Como se
está analisando um sistema linear, o princípio de superposição
pode ser aplicado, e, consequentemente, os fluxos de potência,
após uma mudança nas potências injetadas, podem ser calcula-
dos como:
Pf = Sf [ P + P ] = Pf0 + Sf Pf = Sf P (3.3)
Os fatores de distribuição da injeção são definidos como o
incremento do fluxo em um dado elemento (linha ou transfor-
mador), localizado entre as barras, m e n, após um incremento
unitário da potência injetada na barra i:
i Pmni θm − θn
ρ mn = = = Smni (3.4)
Pi xmn
Ressalta-se que os fatores de distribuição dependem somen-
te da topologia da rede; consequentemente, eles podem ser cal-
culados off-line usando técnicas de solução de matrizes esparsas.
144
O incremento de fluxo em um elemento de ramo, ∆Pmn,

após a saída de um gerador na barra i, pode ser encontrado da
seguinte forma:
Se a geração perdida é assumida pela barra de folga
i
Pmn = ρ mx Pi (3.5)
0
onde Pi = −PGi , isto é, a geração de potência ativa antes
da contingência.
Se a geração perdida é compartilhada entre os geradores
restantes para modelar a resposta do controle automático de ge-
i
ração (CAG), os fatores de partilha γ j devem ser usados
i
Pmn = ρ mn Pi − ∑ j ≠ i ρ mx
i
γ ij Pi = Pi ( ρ mi − ∑ j ≠ i ρ mx
i
γ ij ) (3.6)
com ∑ j ≠ i γ j = 1
i
No caso de contingências devido à saída de uma linha ou

transformador, os fluxos pós-contingências podem ser encon-
trados usando o teorema da compensação para sistemas lineares,
como descrito na figura 3.2. Dessa forma, as mudanças de fluxo
pela saída de um ramo entre as barras i e j, transportando um
fluxo de potência ativa Pij antes da saída, são encontradas como
0
Figura 3.2: Aplicando o teorema de compensação para a saída de um ramo.
Pf = Pf0 + S 'f + Pi (3.7)

onde a matriz S f é encontrada modificando o modelo ori-
'
ginal para eliminar a saída do ramo ij.
145
S 'f = ( X ' )−1 (A ' )-1 (B' )−1 (3.8)

e ∆Pi contém apenas Pij na barra i e - Pij na barra j,
0 0
∆Pf = S f ∆Pi (3.9)

'
j
  i 
Pi =  0 Pij − Pij0 0
T 0
 (3.10)
Consequentemente, o fator de distribuição, correspondente
ao elemento de ramo localizado entre as barras m e n, é encon-
trado da seguinte forma:
Pmnij
ij
ρ mn = = Smn
'
, i − Smn , j
'
(3.11)
Pij0
Uma alternativa ao uso do teorema da compensação para

encontrar os fatores de distribuição está baseada no modelo de
saída do ramo, usando duas injeções fictícias em ambas as extre-
midades do ramo. Esta técnica permite evitar a refatoração da
matriz B para encontrar S f . As injeções fictícias devem coinci-
'
dir com o fluxo de potência após a saída (figura 3.3):
Figura 3.3: Modelagem de saída de um ramo usando injeções fictícias.
Pij = Pij0 + Sij ,i Pi + Sij , j Pj = Pij0 + (Sij ,i − Sij , j ) Pij (3.12)

A equação anterior produz
146
Pij0
Pi = − Pj = (3.13)
1 − Sij ,i + Sij , j
Então, o fluxo através do ramo mn, após a saída do ramo ij,
é encontrado por:
Pmn = Pmn0 + Smn,i Pi + Smn,j Pi = Pmn0 + (Smn,j - Smn,j )Pij (3.14)
ij
e o correspondente fator de distribuição, ρ mn ' ,
ij Pmnij Smn ,i − Smn , j
ρ mn = 0 = (3.15)
Pij 1 − Sij ,i + Sij , j
De forma semelhante, podem ser encontrados fatores de
distribuição para contingências múltiplas, resolvendo um sis-
tema linear de equações para calcular as injeções fictícias nos
extremos dos ramos sob contingência, levando em conta as in-
terações entre as saídas dos ramos.
Obviamente, ambos os métodos são equivalentes e forne-
cem fatores de distribuição idênticos.
Um método comumente usado para detectar contingências
críticas está baseado na determinação de um ordenamento de
contingências em ordem decrescente de severidade. Um índice
de ordenamento é usado para quantificar o nível de carregamen-
to do sistema após uma contingência dada, por exemplo
1  Pf k 
RI = ∑ bk =1  máx  (3.16)
b  Pf k 
onde Pf k é o fluxo de ramo do elemento k, de um total
de b linhas e transformadores, encontrado, aproximadamente,
usando fatores de distribuição. Neste caso, o índice de ordena-
mento é apenas a taxa média de linhas e de transformadores.
Na prática, foram propostos vários índices de ordenamen-
to, incluindo fatores de ponderação para dar maior importância
aos elementos relevantes.
147
Uma vez encontrados os índices de ordenamento para to-

das as possíveis contingências, elas são classificadas em ordem
decrescente. Dessa forma, a análise começa a priori com a con-
tingência mais crítica, descendo na lista até que uma contingên-
cia não problemática seja encontrada (figura 3.4).
Figura 3.4: Análise de contingências baseada no índice de ordenamento.
Os principais inconvenientes do método baseado no índi-

ce de ordenamento são os erros inerentes aos fatores de distri-
buição e a possibilidade do mascaramento de uma contingência
problemática, como resultado da condensação das taxas de car-
regamento de todos os elementos do tipo ramo em apenas um
valor, isto é, a técnica de ordenamento poderia dar prioridade a
uma contingência que resulta em sobrecargas ligeiras em vários
148
elementos em vez de uma contingência crítica em termos da

magnitude da sobrecarga.
Análise de contingências baseada em fluxo de

carga
Como discutido antes, o uso de fatores de distribuição for-
nece uma precisão razoável para análise de sobrecargas após
uma contingência. Contudo, os fatores de distribuição não po-
dem ser usados para análise de tensão anormal a qual pode apa-
recer após uma contingência, devido a uma forte não linearida-
de do problema de tensão.
Uma técnica comum para detectar problemas de tensão
pós-contingência é usar o programa de fluxo de carga desa-
coplado rápido, devido à sua velocidade de resposta para en-
contrar, aproximadamente, o estado de pós-contingência. As
tensões complexas pré-contingência são usadas para inicializar
a solução do fluxo de carga, e somente uma iteração completa
é executada.
O método é baseado na verificação de sobrecargas e de
problemas e de problemas de tensão no estado aproximado
obtido após a primeira iteração do problema de fluxo de car-
ga. Caso sejam detectados problemas, o algoritmo iterativo
continua até a convergência, verificando a existência de so-
brecargas ou violações de limites de tensão no estado exato
pós-contingência.
As técnicas de filtragem de contingência, baseadas no fluxo
de carga desacoplado (figura 3.5), são usualmente chamadas al-
goritmos 1P – 1Q, devido à solução sequencial das equações de
potência ativa e reativa.
149
Figura 3.5: Contingência de barreira usando o fluxo de carga desacoplado rápido.
Obviamente, a principal vantagem das técnicas de barreira

em relação às técnicas de ordenamento está no fato de que todas
as contingências são analisadas, mesmo que aproximadamen-
te, sem fazer nenhuma seleção prévia. Contudo, podem apare-
cer erros de identificação, já que os fluxos e tensões são valores
aproximados, encontrados após somente uma iteração do algo-
ritmo de fluxo de carga.
Várias técnicas foram propostas baseadas no cálculo de
apenas um subconjunto de variáveis par cada contingência. As
técnicas de fronteira podem ser incorporadas não somete para
ordenamento de contingências, mas também no algoritmo de
fluxo de carga para analisar as contingências críticas.
150
Fluxo de potência ótimo

Historicamente, os primeiros esforços de otimização em
sistemas de potência surgem no despacho da geração, o clássico
despacho econômico (DE). Isto é, como distribuir a demanda
total entre as unidades de geração para minimizar o seu cus-
to de fornecimento. Logo, claramente aparece a necessidade de
incluir as perdas da transmissão no objetivo econômico, assim
como as restrições nos fluxos de potência.
A introdução das técnicas de matrizes esparsas e novos al-
goritmos de programação matemática tornou possível resolver
problemas de otimização de sistemas de potência cada vez mais
complexos. Essa evolução resultou no fluxo de potência ótimo
(FPO), nos dias atuais uma ferramenta comumente usada nos
centros de gerenciamento em energia, uma ferramenta que per-
mite otimizar diferentes funções objetivos sujeitas às restrições
de igualdade do fluxo de carga e aos limites operacionais impos-
tos através das grandezas elétricas.
O FPO se tornou uma ferramenta essencial para a opera-
ção e o planejamento dos sistemas de potência. Na operação,
o FPO permite determinar as ações de controle ótimas consi-
derando todas as restrições operacionais. No planejamento, o
FPO é usado para determinar os cenários ótimos na evolução
futura dos sistemas de potência.
As primeiras versões do FPO foram desenvolvidas no início
da década de 1960, como uma consequência da introdução de
novas técnicas de programação não linear. Desde então, as novas
versões do FPO seguiram a evolução das técnicas da programa-
ção matemática, com algumas variantes devido às particularida-
des do problema FPO. A grande variedade de técnicas de otimi-
zação aplicada, que vão desde os métodos do gradiente reduzido
generalizado, de Newton, programação matemática sequencial,
151
programação linear sucessiva e, mais recentemente, os métodos

de pontos interiores. A grande maioria de programas de FPO,
atualmente comercializados, usa uma das quatro últimas técnicas.
Formulação do problema FPO

O problema FPO pode ser formulado como
Minimizaru, x f (x, u)
sujeito a
h(x, u) = 0 (3.17)
g(x, u) ≥ 0
onde u é o conjunto de variáveis de decisão, x é o conjunto
de variáveis dependentes, f é a função objetivo escalar, h é o
conjunto de equações de rede, e g é o conjunto de restrições
operacionais.
Na prática, a formulação anterior não é fácil de obter, já
que vários aspectos podem ser considerados atributos desejá-
veis do estado ótimo de um sistema de potência. Obviamente,
o primeiro objetivo da operação desse sistema é eliminar possí-
veis violações de limites. Além disso, o sistema de potência deve
permanecer no estado normal, mesmo se acontecer alguma
contingência. Contudo, enquanto alguns sistemas elétricos são
operados de forma mais econômica, impondo apenas restrições
operacionais sobre o estado atual da rede (o caso base), alguns
outros são operados de forma preventiva, e, portanto, o FPO
deve incluir as restrições operacionais sobre o caso base e sobre
um conjunto de cenários de pós-contingências selecionadas, as
quais levam a um problema mais complexo, chamo de fluxo de
potência ótimo com restrições de segurança (FPORS).
Além disso, as seguintes observações são pertinentes:
152
• Função objetivo: como é necessário formular o obje-

tivo do modelo de otimização do sistema de potência
como uma função matemática, uma técnica comum é
mudar a função objetivo de acordo com o estado do
sistema de potência. Dessa forma:
• Em estado de emergência, o objetivo é determinar o
número mínimo de ações de controle para trazer o
sistema ao estado normal, seja seguro ou inseguro, o
mais rapidamente possível. Se o sistema não pode ser
retornado ao estado normal, então a função objetivo
deve ser modificada para minimizar a magnitude da
violação das restrições operacionais.
• Em estado normal:
• Se o sistema está inseguro (estado de alerta),
o objetivo deve ser levar o sistema ao estado
seguro com o mínimo de incremento possível
no custo de produção.
• Se o sistema está seguro, o objetivo deve ser
minimizar os custos de produção, despachan-
do a demanda entre os geradores de forma óti-
ma. Se o despacho da geração for previamente
programado, então é possível acionar as fontes
de potência reativa para minimizar as perdas
de transmissão.
• Equações de rede: o estado do sistema de potência de
n barras é determinado resolvendo as 2n equações de
barra:
Pi = Vi ∑ nj =1 Vj (Gij cos θ ij + B ij sen θ ij ) i = 1,  , n (3.18)
Q i = Vi ∑ nj =1 Vj (Gij sen θ ij + B ij cos θ ij ) i = 1,  , n
(3.17)
153
Cada barra é representada por quatro variáveis: Pi, Qi, Vi e

θi. se duas dessas variáveis são conhecidas, as equações (3.17) e
(3.18) permitem determinar as outras duas variáveis. Além disso,
o ângulo de fase da barra de referência deve ser escolhido (θr =
0 para a barra de referência ou de folga), e um ou mais geradores
de potência devem ser liberados, já que as perdas de potência são
desconhecidas a priori. Finalmente, nota-se que as variáveis de
decisão adicionam graus de liberdade para as equações de rede.
É possível usar o modelo de fluxo de carga CC em estudos
de otimização de potência ativa, se não interessa os tópicos de
tensão e potência reativa. O modelo de rede CC introduz erros
na solução do FPO, mas simplifica de forma significativa a
formulação do FPO. O modelo de rede CC é determinado pelas
seguintes n equações de barra:
θ ij
Pi = ∑ nj =1 i = 1, , n (3.17)
xij
onde xij é a reatância do ramo entre as barras i e j.
Na prática, o modelo de rede é normalmente constituído
de uma área de interesse, modelado em detalhe, algumas barras
de fronteira, também modeladas em detalhe, e algumas áreas
externas que devem refletir a resposta do sistema restante às
ações de controle na área interna. As áreas externas usualmente
são modeladas usando equivalentes externos para reduzir núme-
ro de equações de rede e de variáveis.
• Restrições de desigualdade:
• Limites das variáveis de controle: geração de
potências ativa e reativa, relação de transfor-
mação de transformadores, bancos de capaci-
tores e/ou reatores, FACTS, etc.;
154
• Restrições operacionais: limites de tensão de

barras e fluxos de potência.
Ressalta-se que existe uma diferença fundamental entre es-
ses dois tipos de limite: enquanto os limites impostos sobre as
variáveis de controle devem ser considerados como rígidos, as
restrições operacionais podem ser consideradas flexíveis, já que
elas podem ser excedidas, sempre por um período curto de tem-
po e somente em circunstâncias excepcionais.
• Tópicos adicionais de modelagem:
• Controle automático: a resposta do controle
automático atuando no sistema de potência
deve ser adequadamente modelada; por exem-
plo, dispositivos (transformadores, capacitores,
reatores, FACTS) controladores de tensão ou
fluxos de potência reativa e intercâmbio de po-
tência entre diferentes áreas;
• Equipamentos que trabalham em forma coor-
denada; por exemplo, transformadores e gera-
dores em paralelo na mesma usina;
• Preferências operacionais, com um forte com-
ponente heurístico, tais como a preferência
pelo uso de certos dispositivos de controle,
prioridades para certas restrições sobre outras,
restrições em um número de ações de controle
sobre um dispositivo em um determinado pe-
ríodo de tempo, e assim por diante.
Os tópicos de modelagem mencionados antes podem ser
apropriadamente incorporados na formulação do FPO para que
a solução fornecida pelo FPO seja útil para os operadores.
No exemplo 3.7, resolvido usando o software GAMS, ilus-
tra-se a complexidade do problema FPO.
155
Classificação dos algoritmos de fpo

Foi mostrado que a aplicação de um algoritmo de otimi-
zação para um sistema de potência não é trivial com relação à
implementação, já que a modelagem do objetivo e das restrições
é uma tarefa difícil. Além disso, o número de variáveis e de
equações aumenta com a dimensão do problema. Consequente-
mente, o uso do FPO em tempo real, e a importância de assegu-
rar a qualidade e a continuidade do serviço elétrico, leva-o a ter
as seguintes características:
I) Confiabilidade, em relação à sua capacidade de fornecer
soluções aceitáveis na maioria dos casos;
II) Velocidade de processamento;
III) Flexibilidade para ser adaptado aos novos sistemas e
técnicas.
Também a necessidade de incluir restrições complexas e
heurísticas operacionais obriga o uso iterativo do FPO, avalian-
do a adequação das soluções fornecidas pelo FPO e mudando o
problema para resolvê-lo novamente, caso seja necessário.
Analisando os algoritmos de FPO aplicados com sucesso
na prática, pode-se classifica-los da seguinte forma:
1 - Algoritmos que incluem um módulo de fluxo de carga
claramente diferenciado do módulo de otimização. O
módulo de fluxo de carga usa os valores correntes das
variáveis de controle como dado de entrada, atualiza o
estado do sistema e fornece informação útil ao módulo
de otimização. O módulo de otimização, usualmente
baseado em programação linear ou quadrática, encon-
tra novos valores para as variáveis de controle.
2 - Algoritmos em que as equações de rede são resolvidas
completamente pelo processo de otimização, atualizan-
156
do ao mesmo tempo o estado do sistema e as variáveis de

decisão e, consequentemente, satisfazendo as equações
de rede somente quando for atingida a convergência
A principal diferença entre os dois grupos de FPO está na
possibilidade de interromper o processo iterativo em qualquer
iteração para encontrar um estado válido do sistema de potên-
cia, o que não é possível fazer no segundo grupo de FPO, já que
os estados intermediários não satisfazem as equações de rede.
Operação do sistema de transmissão

Os objetivos e as possíveis ações de controle da operação do
sistema de transmissão estão claramente condicionados pelo es-
tado da rede. Consequentemente, são fundamentais para a opera-
ção do sistema as ferramentas apropriadas para a sua supervisão
(SCADA, estimador de estado) e para a avaliação de segurança.
Serão apresentados diferentes exemplos de aplicação do
FPO como uma ferramenta de decisão na operação de um sis-
tema de potência. Esses exemplos podem ser facilmente resolvi-
dos usando ambientes computacionais como o GAMS.
Estado de emergência
O sistema de potência pode entrar em estado de emer-
gência devido a um acréscimo inesperado da demanda, ou pela
ocorrência de uma contingência. Neste caso, os operadores de-
vem trazer o sistema de volta para o estado normal, o mais rapi-
damente possível, esquecendo os aspectos econômicos.
A urgência de tais situações implica a redução do núme-
ro de ações de controle ao mínimo necessário para corrigir o
problema. Matematicamente, esse problema pode ser formulado
como um FPO com o objetivo de minimizar as ações de con-
157
trole para trazer todas as variáveis dentro de seus limites. Este

objetivo normalmente é realizado pela penalização linear qua-
drática das ações de controle na função objetivo.
Usando a vantagem do desacoplamento entre as equações
de potência ativa e reativa, são realizados estudos separados de
sobrecargas e de violação dos limites de tensão. Obviamente,
alguns casos críticos podem exigir uma análise completa, por
exemplo, uma formulação acoplada do FPO, quando seja ne-
cessário corrigir a tensão, reprogramando as gerações de po-
tência ativa.
Correção da sobrecarga
Para corrigir a sobrecarga nos ramos, os operadores devem
realizar a reprogramação de potência ativa. Também devem ser
considerados elementos de controle alternativos de fluxos de po-
tência ativa, como transformadores defasadores e dispositivos
FACTS, caso estejam disponíveis. Além disso, se as variáveis de
decisão disponíveis são insuficientes para eliminar a sobrecarga
em um tempo razoável, deve-se executar o corte de cargas.
Usando o modelo de rede CC, o FPO assume a seguinte
forma:
cuT P+ + cdT P-
sujeito a
P + P − P- = Bθ
+
Pmín ≤ P + P+ − P- ≤ Pmáx (3.21)

− Pfmáx ≤ Pf = X -1 A Tθ ≤ Pfmáx
P+ ≥ 0 P - ≥ 0
onde cd e cu são vetores de custo associados com as variá-
veis de decisão dadas por ∆P+ e ∆P-.
158
Uma alternativa para a formulação anterior é encontrada

usando a matriz de sensibilidade Sf, para obter a seguinte formu-
lação de modelo de rede mais compacta:
cuT P+ + cdT P-
sujeito a
− Pfmáx ≤ Pf = P f0 + Sf ( P- ) ≤ P fmáx
P+ ≤ Pmáx − P (3.22)
P ≤ P−P
- mín
P+ ≥ 0 P - ≥ 0
Uma alternativa adicional é o uso de técnicas heurísticas, já
que os operadores normalmente devem lidar com somente uma
ou duas sobrecargas. Em casos simples, o seguinte procedimen-
to é útil para encontrar rapidamente as medidas corretivas:
1 - Para cada linha sobrecarregada mn e gerador g determi-
ne o valor ∆Pg para corrigir a sobrecarga:
g
Pmn = ρ mn Pg (3.22)
Descartar qualquer gerador que seja necessário para, simul-
taneamente, aumentar ou diminuir a geração para corrigir as
diferentes sobrecargas.
2 - Para cada gerador remanescente, determinar o custo
de correção da pior sobrecarga, escolhendo aquele de
menor custo ∆Pg.
3 - Atualizar o estado do sistema e continuar eliminando
as outras sobrecargas.
Obviamente, é possível incluir fatores de mérito adicionais
no processo heurístico.
No exemplo 3.8, o uso de um FPO, baseado em programa-
ção linear, determina as ações corretivas para as sobrecargas que
foram apresentadas, juntamente com o uso alternativo de técni-
159
cas heurísticas baseadas em fatores de distribuição. Esta última

estratégia é particularmente útil para encontrar ações corretivas
em tempo real, de forma rápida e eficiente.
Por outro lado, uma solução factível baseada na reprogra-
mação da geração não pode ser usualmente encontrada em al-
guns casos críticos. Nessa situação, os operadores devem exe-
cutar as ações necessárias para mitigar a sobrecarga e, se ela
não puder ser reduzida a um nível aceitável, deve-se proceder ao
corte de carga.
Correção de tensão
Quando algumas tensões violam os limites operacionais,
os operadores podem determinar as ações de correção apropria-
das. Na verdade, são usadas regras heurísticas, como uma tensão
excessivamente baixa é mais efetivamente corrigida com uma
injeção de potência reativa local, ou modificando o tap de um
transformador na vizinhança. Se o problema não é muito com-
plexo, o uso de regras básicas permite encontrar uma solução
rápida e simples. Contudo, a complexidade do problema de ten-
são, devido ao comportamento não linear, recomenda o uso de
ferramentas apropriadas para lidar com problemas sérios.
Como mencionado, vários problemas inerentes às ferra-
mentas atuais de FPO limitam seu uso em centros de controle.
Um exemplo claro disso é a tendência em usar um grande nú-
mero de controles, tornando difícil a implementação de medi-
das corretivas. Além disso, os sistemas de potência atuais estão
equipados com uma grande variedade de dispositivos que afe-
tam diretamente a tensão, tornando o problema de controle de
tensão diferente do problema de controle de potência ativa.
Uma alternativa ao FPO como ferramenta de correção de
problemas de tensão é usar regras heurísticas, incluindo algo-
160
ritmos numéricos para calcular a sensibilidade de tensão com

relação às variáveis de controle.
No entanto, novas questões práticas aparecem, e suas solu-
ções dependem da filosofia particular de cada empresa, tais como:
• Como escolher entre os diferentes dispositivos de con-
trole de tensão, tendo em conta fatores tais como a efi-
ciência, a margem de reserva de controle, e a possibili-
dade de usar um ou vários controles para lidar com o
mesmo problema, evitando um excesso de dispositivos
desse tipo.
• Como integrar as ações drásticas para o controle cor-
retivo, por exemplo, abrir linhas com baixo carrega-
mento, conectar grandes reatores ou arrancar geradores
para manter a tensão em áreas críticas.
O exemplo 3.11 ilustra o uso de técnicas heurísticas basea-
do em sensibilidade para corrigir problemas de tensão.
Estado de alerta
Um sistema está em estado de alerta se todas as variáveis
estão entre os limites operacionais, e os operadores estão cien-
tes de que uma ou mais contingências podem levá-lo a um es-
tado inaceitável.
Uma vez que as contingências críticas foram identificadas,
os operadores devem decidir se implementam ações preventi-
vas ou se preparam planos de emergência que devem ser usa-
dos após a contingência. Atenção especial é dada para os casos
em que a contingência pode produzir um blecaute, ou quando
circunstâncias anormais como mau tempo ou alerta terrorista
aumentam os seus riscos.
161
Matematicamente, para determinar as ações preventivas

para uma contingência em particular, pode ser usado um FPO
incluindo restrições de segurança, um problema de otimização
conhecido como fluxo de potência ótimo com restrições de se-
gurança (FPORS):
minimizar uc, up, xc,xp f(u0, up, uc)
sujeito a
h(xp, up) = 0
hc (xc, uc) = 0 (3.24)
g(xp, xc) ≥ 0
gc (xc, uc) ≥ 0
onde:
u é o conjunto de variáveis de decisão, em que u0 representa
o estado inicial, up representa as ações preventivas de pré-con-
tingência e uc representa as ações corretivas pós-contingência;
x é o conjunto de variáveis dependentes, xp são os valores
de pré-contingência, e xc são os valores de pós-contingência
(u) é a função objetivo a minimizar, usualmente os custos
associados com as diferentes ações de controle, por exemplo,
uma penalização linear ou quadrática das mudanças de controle.
h(x, u) são as equações de rede; h(xp, up) = 0 corresponde
ao estado de pré-contingência incluindo possíveis ações preven-
tivas e hc (xc, uc) = 0 representa o estado de pós-contingência
incluindo também as ações corretivas de pós-contingência.
g(x, u) são os limites operacionais. Limites de emergência,
gc (xp, up) ≥ 0, menos rígidos que os normais, são usualmente
impostos sobre o estado de pós-contingência.
Obviamente, se a segurança do sistema pode ser restaurada
de forma suficientemente rápida pela aplicação de medidas corre-
tivas pós-contingência, não são necessárias as medidas preventi-
162
vas (up = u0); portanto, devem ser evitados incrementos em custos

de produção. Nesse caso, o problema de otimização é reduzido a
um FPO para calcular as ações de controle corretivas no estado
de pós-contingência. Quando as ações corretivas são insuficien-
tes, ou não podem ser implementadas de forma suficientemente
rápidas, devem ser adotadas medidas preventivas, tratando de
minimizar o inevitável incremento nos custos de produção.
Tradicionalmente, os problemas de tensão foram evitados
devido à complexidade do modelo CA completo, assim como a
crença equivocada de que existe sempre tempo suficiente para
implementar ações corretivas pós-contingência no caso de pro-
blemas de tensão. Como consequência, os algoritmos FPORS,
usados na prática, estão baseados nos modelos lineares da rede
de transmissão. Contudo, a necessidade de recorrer às ações pre-
ventivas para evitar eventos catastróficos de tensão em casos
críticos como o colapso da tensão, não pode ser esquecida.
Uma alternativa para a utilização de um FPO, bastante útil
para determinar as ações preventivas no estado de pré-contin-
gência da rede, é usar os fatores de distribuição de interrupção
compensada, isto é, o incremento de fluxo de potência no ramo
mn devido a um incremento na potência ativa injetada na barra
g, quando o ramo ij está sob contingência, os quais podem ser
encontrados da seguinte forma:
g g ij g
Pmn ij = sob contingência = ρ mn Pg + ρ mn ρ ij Pg (3.25)
Pmn
ρ mn
g
ij = sob contingência = ij = sob contingência = ρ mn
g
+ ρ mn
ij
ρijg (3.26)
Pg
Os fatores de distribuição, usando o estado antes da contin-
gência, mostrados anteriormente, permitem formular um pro-
blema de otimização, o qual inclui as ações preventivas e incor-
pora as restrições sobre os fluxos de potência pós-contingência.
163
O estado seguro
Quando um sistema está no estado normal, o estado segu-
ro, todos os limites operacionais estão garantidos, e os critérios
de segurança estipulados se encontram satisfeitos. Consequente-
mente, como objetivo da operação do sistema, deve-se preocu-
par com a redução dos custos de operação.
O problema de determinar as ações ótimas de controle em
estado seguro é um caso particular do despacho econômico
com restrições da rede e usando um modelo detalhado da rede
de transmissão. Neste tipo de problema de FPO, a demanda e
as perdas da rede são despachadas entre os geradores de forma
ótima em função dos custos dos geradores. Além disso, o pro-
blema FPO fornece os pontos de ajuste ideais das variáveis de
controle de tensão para minimizar as perdas da transmissão.
A otimização completa dos sistemas de geração e trans-
missão tem sido pouco usada na prática. A razão é a excessiva
complexidade do problema, bem como os aspectos de sigilo as-
sociados com o mercado elétrico. A técnica comum é realizar
primeiro a programação da geração, por um operador central
com conhecimento pleno da geração econômica e os dados téc-
nicos, ou por um operador de mercado. Então, um programa de
FPO é usado para corrigir os programas de geração para evi-
tar possíveis sobrecargas ou problemas críticos de tensão. Um
FPORS deve ser usado para satisfazer os critérios de seguran-
ça, usualmente o critério N – 1. Finalmente, uma vez definida
a programação da geração, é determinado um perfil ótimo de
tensão para satisfazer os limites de tensão e depois reduzir as
perdas de transmissão.
O exemplo 3.14 ilustra o uso de um FPO para encontrar
um perfil ótimo de tensão.
164
Em paralelo com o problema de uma programação a priori

dos ajustes ótimos de todas as variáveis de controle de tensão,
algumas ações de controle podem também ser implementadas
para continuar diminuindo as perdas na operação em tempo
real. Uma alternativa útil ao FPO completo para reduzir as per-
das é usar a sensibilidade dessas perdas às variáveis de controle
de tensão, levando em conta o estado atual do sistema. Assim,
usando sensibilidades e considerando a margem de reserva de
cada controle, podem ser facilmente determinadas as ações de
controle para reduzir essas perdas.
Redes de transmissão com acesso aberto

Nos mercados elétricos emergentes, os serviços de geração
e de transmissão estão desagregados um do outro. Espera-se que
o mercado de geração se torne plenamente competitivo quando
muitos participantes independentes do mercado (geradores e
consumidores) se envolvam nos negócios da energia elétrica.
A energia elétrica tem algumas características peculiares
que não permitem que ela seja considerada como um mercado
de commodities normal. Essas características incluem a incapa-
cidade de armazenar energia elétrica em uma quantidade signi-
ficativa, as grandes variações diárias e sazonais da demanda, as
exigências operacionais para o controle e a confiabilidade do
sistema de potência, e as limitações da rede de transmissão que
transporta energia elétrica dos pontos de geração para os seus
pontos de consumo.
Os mercados elétricos competitivos precisam de que o
acesso para o sistema de transmissão, pelos geradores e pelas
cargas, seja gerenciado de forma equitativa e não discriminató-
ria; este conceito é conhecido como acesso aberto à transmissão.
165
Na prática, para assegurar que a transmissão seja aberta, uma

entidade, muito frequentemente chamada operador indepen-
dente do sistema (ISO), foi usualmente estabelecida. Embora a
responsabilidade e o escopo das atividades de uma ISO variam
de um mercado para outro, espera-se que seja uma entidade
responsável pela operação segura e eficiente de um sistema de
transmissão de acesso aberto, entre outras coisas.
Quando os produtores e consumidores da energia elétrica
desejam produzir e consumir em quantidades que fariam com
que o sistema de transmissão operasse além de um ou mais de
seus limites de transferência, o sistema é considerado como con-
gestionado. Controlar o sistema de transmissão de forma que
os limites de transferência sejam respeitados é talvez o aspecto
fundamental do gerenciamento da transmissão.
Em uma implementação eficiente do acesso aberto, três as-
pectos fundamentais do sistema de transmissão devem ser ade-
quadamente manejados pela ISO:
• O congestionamento da transmissão;
• As perdas da transmissão (perdas reais);
• Os serviços ancilares.
Como mencionado, o congestionamento pode acontecer
na rede de transmissão devido às violações no limite de opera-
ção no fluxo de potência em uma ou mais linhas de transmissão.
Além do congestionamento, o gerenciamento da rede envolve
as tarifas de conexão, que são encargas que cada gerador e cada
carga pagam à rede para que sejam conectados ao sistema. As-
sumindo como desprezíveis as perdas por efeito corona e no
núcleo do transformador e sem roubo de energia, as perdas na
rede de transmissão são iguais à diferença entre o fornecimento
total e a demanda de potência ativa (MW) no sistema. Os servi-
166
ços ancilares são necessários para a operação confiável e segura

de um sistema.
Como o congestionamento da transmissão e suas perdas,
além dos serviços ancilares que devem ser pagos pelos partici-
pantes do mercado, existe obviamente um aumento integral dos
custos da potência transmitida. Existem alguns métodos básico
para calcular tais encargos.
Gerenciamento do congestionamento
Os sistemas de potência físicos são governados pela lei de
tensões de Kirchhoff, a qual determina a quantidade de energia
elétrica que é transferida de uma barra para outra através das
linhas de conexão (ligações).
Vários fatores podem impor limites sobre a transferência
de potência entre duas barras em uma rede de transmissão. Es-
ses fatores incluem limites térmicos, limites de tensão e limites
de estabilidade que, naturalmente, são os mais restritivos e que
são determinantes em qualquer instante de tempo. Os limites
devem ser estabelecidos para levar em conta a operação normal
e sob contingência. Um controle adequado de fluxo pode ser útil
para manter dentro de seus limites a quantidade de potência que
pode ser transferida entre duas barras.
A capacidade de controle do fluxo de potência elétrica so-
bre uma ligação de transmissão (ramo) que, por sua vez, conecta
duas barras é limitada e difícil de executar quando o controle é
diretamente aplicado aos geradores. Os dispositivos de controle
de potência, tais como transformadores defasadores e sistemas
de transmissão flexíveis CA (FACTS) oferecem algum controle
moderado e, atualmente, são muito caros; portanto, eles não são
muitos usados atualmente por todas as companhias de energia
167
elétrica. Da mesma forma, a abertura das redes para controlar o

fluxo de potência elétrica também oferece um sucesso limitado.
O gerenciamento do congestionamento é um processo que
garante a entrega de todas as transações de potência (entre ven-
dedores e compradores) sem violar os limites de operação do
sistema de transmissão em qualquer tempo. Se existe congestio-
namento, a transmissão é um recurso escasso e, como tal, tem
um custo adicional associado; se não houver custo para usar a
transmissão, o comércio pode exceder a capacidade de transmis-
são de algumas linhas e produzir danos ao sistema. O método
usado para o gerenciamento do congestionamento é dependente
da forma do mercado de energia; além disso, o próprio geren-
ciamento desse congestionamento não pode ser separado das
considerações de mercado. Um dos aspectos mais importantes
no seu gerenciamento é a alocação de custos/receitas para os
participantes do mercado.
Em geral, os mercados elétricos emergentes incorporam,
pelo menos, os três tipos principais de transações:
• Transações em pool: a transação em pool é uma oferta
de venda baseada em preço e quantidade dentro de um
pool (representado por seu ISO) por um gerador, ou a
compra dentro de um pool por um comprador (consu-
midor ou distribuidor); tal operação é também conhe-
cida como transação de licitação/venda.
• Transações bilaterais: estas são realizadas entre um ge-
rador e um comprador sem a intervenção de terceiros;
este conceito pode ser estendido para transações mul-
tilaterais em que um terceiro (corretor ou contratante)
está envolvido. Nessas transações, as quantidades co-
mercializadas e os preços acordados são decididos pe-
168
los participantes do mercado; o ISO somente fornece

as facilidades de transporte de energia elétrica.
• Serviços ancilares: como mencionado, esses serviços
são necessários para a operação segura e confiável do
sistema de transmissão; tais serviços incluem o forneci-
mento de potência reativa para o controle de tensão, a
potência ativa para o controle de frequência, a compen-
sação das perdas de transmissão, e assim por diante. O
ISO contrata esses serviços do mercado de geradores e
os distribui de forma adequada entre os compradores.
O desempenho de um mercado de energia elétrica é medido
por seu benefício social, que, por sua vez, é definido como uma
combinação do custo da energia e o benefício que a energia traz
à sociedade (medido pela boa vontade da sociedade em pagar
por ela). Se a demanda da energia tem um preço inelástico, isto é,
se ela é independente do preço dessa energia, então o benefício
social é simplesmente o negativo da quantidade de dinheiro pago
por ela. Quando a demanda da energia tem um preço elástico,
isto é, sensível ao preço da energia, então o benefício social é
uma função negativa da carga, que um consumidor está disposto
a pagar. A maximização do benefício social pode ser represen-
tada como um problema FPO com limites de fluxo de potência
e cuja solução fornece as gerações ótimas e as cargas elásticas.
Maximizar o lucro de um gerador requer ofertar seu cus-
to incremental. Um gerador para incrementar seu lucro realiza
ofertas estratégicas, diferentes de seus custos incrementais, com
esforço para aproveitar as imperfeições do mercado. Se diz que
um gerador tem poder de mercado quando pode incrementar
com sucesso seu lucro através de ofertas estratégicas. O poder
de mercado leva a um mercado ineficiente. Uma das possíveis
169
causas desse poder é o congestionamento, como pode ser visto

no exemplo 3.15.
Esquemas de gerenciamento do congestionamento

Vários esquemas de gerenciamento do congestionamento
foram considerados na prática ao redor do mundo. Entre eles,
pode-se mencionar os seguintes:
• Modelo de preço-spot nodal: o objetivo do preço noda
é ajustar o preço da energia em um pool para refletir
seu valor posicional nas barras, que deve ser levado em
conta para o congestionamento (se existe) e para as per-
das de transmissão.
• Modelo baseado em transação: este método de preço
do congestionamento está baseado na competição em
mercado livre, que é a melhor forma de alcançar a com-
petição em um mercado elétrico. É um dos melhores
métodos para atingir o objetivo de fornecer aos con-
sumidores acesso direto para os fornecedores de sua
escolha. Os fornecedores e consumidores organizam
de forma independente as transações de potência entre
eles, de acordo com suas próprias estratégias financei-
ras. A eficiência econômica é promovida pelos consu-
midores ao escolher os geradores que ofertam os me-
nores custos.
Uma vez que o ISO recebe todas as transações bilaterais
acordadas, três problemas devem ser adequadamente contorna-
dos pelo ISO para uma aplicação bem-sucedida desse método:
I) As restrições da transmissão (os custos e sua distribui-
ção para os participantes como um encargo adicional
de transmissão);
II) As perdas de transmissão;
170
III) Os serviços ancilares.

• Modelo baseado em preço por área: esse método de
congestionamento, principalmente usado no pool
nórdico (Noruega, Suécia e Dinamarca), é regido por
três técnicas diferentes:
I) Tarifas;
II) Preço por áreas;
III) Energia com compra posterior (para controlar o con-
gestionamento na operação em tempo real).
Cada um dos métodos propostos na literatura tem vanta-
gens e desvantagens; nenhum permanece como favorito.
Gerenciamento do congestionamento por preço-spot

nodal
Este método de gerenciamento do congestionamento está
baseado nos preços spot nodais nas transações do pool. O méto-
do baseia-se nas ações do pool do ISO:
I) Receber ofertas de preços e quantidade dos geradores;
II) Selecionar as fontes mais eficientes para satisfazer às
restrições vigentes;
III) Realizar as transações financeiras relacionadas com o
pagamento dos consumidores e o pagamento para os
fornecedores.
Os preços que regem esses pagamentos estão baseados
nas propostas apresentadas pelos geradores despachados e nos
ajustes realizados pelo ISO para refletir o valor posicional dos
fornecedores em relação à sua contribuição para as perdas do
sistema e às restrições de transmissão. Em geral, esses preços
ajustados, chamados preços spot nodais posicionais, são maio-
res nos locais de consumo que nos locais de geração. A diferença
171
do preço posicional entre uma barra de envio e recepção produz

um lucro líquido ou excedente para o ISO.
A estratégia de preço spot nodal foi, inicialmente, introdu-
zida por Schweppe e outros e depois desenvolvida por Hogan
e outros.
Os preços nodais são calculados como variáveis duais (ou
multiplicadores de Lagrange) do cálculo do FPO. Para processar
um FPO, devem ser conhecidas as curvas de custo dos gera-
dores e as funções de benefício dos consumidores, o que, em
um ambiente desregulado, é difícil de dispor, porque representa
uma informação privada. De forma alternativa, um pool ISO tem
disponíveis as curvas de oferta dos geradores despacháveis e dos
consumidores. Em um ambiente suficientemente competitivo,
os participantes do mercado têm um incentivo para revelar suas
verdadeiras informações privadas na forma de suas curvas de
oferta. Se a transmissão é irrestrita, cada participante tem mui-
tos competidores, incentivando, assim, a verdadeira revelação
da informação privada. Além disso, se um participante do mer-
cado tem apenas poucos competidores, ou não tem competido-
res, as curvas de oferta podem ser manipuladas para obtenção
de um lucro adicional a expensas da sociedade (sem verdadeiras
revelações da informação privada). Como visto no exemplo 3.15,
tais situações não competitivas acontecem mais frequentemente
em uma área onde as restrições da transmissão estão ativas e,
como consequência, os geradores estão essencialmente isolados
da competição com outras áreas.
Para calcular de forma mais simples os encargos do con-
gestionamento, é suficiente uma representação simplificada do
sistema de potência quando se formula o problema FPO. A for-
mulação do fluxo de potência CC, que ignora as perdas de po-
tência ativa (rij / xij < 1/3) e assume que as diferenças angulares
172
de tensões de barras são pequenas e os módulos de tensão são

aproximadamente iguais a 1,0 pu, é usada nesta seção.
Considera-se uma rede de n barras e m circuitos, e a barra
1 como referência, isto é, θ1 = 0º. São consideradas cargas com
preços elásticos e inelásticos. O problema de despacho ótimo
de potência que se pretende resolver para calcular os encargos
do congestionamento pode ser formulado como a minimização
do negativo da função de benefício social sujeito às restrições,
isto é,
mínP G , P E { f ( PG , PE )} (3.27)
sujeito às equações de fluxo de potência CC
B . θ - P = 0 (3.27)
e às restrições de fluxo de potência ativa
Pf - P fmáx ≤ 0 (3.27)
onde
P = PG – PD é um vetor de dimensão n x 1 de potências
ativas injetadas nas barras;
PG é um vetor de dimensão n x 1 de potências ativas geradas.
PD = PE – PC é um vetor de dimensão n x 1 de potências ati-
vas formado por cargas com preço elástico, (PE), e cargas cons-
tantes ou com preço inelástico (PC).
θ = [θ2 , θ3, ..., θn]T é um vetor de dimensão (n – 1) x 1 ângu-
los de fase das tensões de barra;
Pf é um vetor de dimensão m x 1 fluxos de potência ativa;
P fmáx é um vetor de dimensão m x 1 limites de fluxo de
potência ativa;
B é a matriz de susceptâncias, de dimensão n x (n – 1), que
é obtida após a eliminação da coluna correspondente à barra de
referência na matriz de susceptância nodal B;
f (P) é a função escalar de benefício social a ser maximizada
173
• Para uma carga constante,

máx { f = −∑ in=1 Ci ( PGi )} : benefício social (3.30)
ou, equivalentemente,
mín { f = − f = ∑ in=1 Ci ( PGi )} : negativo do benefício social (3.31)
isto é f é a soma dos custos individuais de geração, onde Ci

(PGi) é a oferta do gerador i apresentado para o ISO (dólares por
PGi gerado em MW).
• Para uma carga elástica,
mín{ f = ∑in=1 Ci ( PGi ) −∑in=1Wi ( PEi ) −} : negativo do benefício social (3.32)
isto é, o negativo do benefício social é o custo da geração

menos o valor da carga. Wi (PEi ) é o preço (em $) que o consu-
midor i está disposto a pagar para o ISO para comprar PEi MW
de potência.
O fluxo de potência no ramo que conecta as barras i e j é
somente uma componente do vetor Pf , que é dado por
θi − θ j
Pij = (3.33)
xij
onde xij é a reatância indutiva (em pu) da linha (ou transfor-
mador) que conecta as barras i e j.
Usando a equação (3.32), o vetor de fluxos de potência
pode ser escrito em função dos ângulos de fase das barras como
Pf = X-1 Â T θ̂ (3.34)
onde X = diag [ -1 / xij ] é uma matriz diagonal das suscep-
-1
tâncias de linhas de dimensão m x m, e é a matriz de incidência

nó-ramo com uma linha (correspondente à barra de referência)
eliminada.
Define-se um vetor aumentado de variáveis e incógnitas: y
= col [P, θ̂ , λ, µ] onde col [.] indica o operador coluna. A função
174
de Lagrange para os problemas (3.27) a (3.29) pode ser escrita
L(y) = f(P)+ λ T Bˆ θˆ − P + µ T X -1 Aˆ T θˆ − Pfmáx (3.35)

como
( ) ( )
onde
λ é um vetor de dimensão n x 1 de multiplicadores de La-
grange para as restrições de igualdade, também chamado vetor
de variáveis duais; seus componentes não têm restrição de sinal
(eles podem ser positivos, negativos ou iguais a zero);
µ é um vetor de multiplicadores de Lagrange de dimensão
m x 1 para as restrições de desigualdade, também chamado ve-
tor de preços marginais ou de sombra; seus componentes têm
restrições de sinal: podem ser positivos ou iguais a zero, isto é,
µk ≥ 0.
A solução ótima para os problemas (3.27) a (3.29) pode ser
obtida encontrando um ponto estacionário do lagrangiano, que
é definido pelas condições necessárias de otimalidade de primei-
ra ordem de Karush-Kuhn-Tucker (KKT) como segue:
∂ ∂ ∂L =
L
∂ ∂f (∂fP(f)P( P
)
L= L= λ−) −λ=λ0= =0
∂ f (P ) (3.36)
∂ = − 0
− λ∂ =P∂ 0∂PP ∂ P∂ ∂PP
∂ ∂ ∂L =ˆ TBˆ T λT +ˆ Aˆ X
L
∂P ∂P
L = B λ + A X∂ θµ∂=θˆ0 L
ˆ B λ ˆ A ˆ µ
-1
µ=-1 0= 0
∂ = B + X A µ =0
-1
ˆ T ˆ ˆ
∂ θ = λ + X (3.37)
∂ ∂L =ˆ Bˆˆ θˆ − P =0
-1
∂ θˆ

L =LB=θ Bˆ−θP
∂
L = Bˆ θˆ − P =0
∂ ˆ−=0
∂ λ∂ λ
P =0 (3.38)
∂ ∂L = X
∂ λ
L

µ ≤ 0Le =T µXT X
∂λ ∂ −1 ˆ T ˆ -1 ˆ T ˆ
( ) ))
L = X −1 Aˆ T θˆ −∂Pµ∂fmáx
Aθ1ˆˆθ−T P
− 1 ˆ T− Pf ≤máx0≤ e0 Teµ TµT XTX
-1 ˆ TA ˆˆθ−T P Pfmáxmáx= 0, µ ≥
) ( (
máx T
−ˆ
T
−
ˆ
A µµ ≥X0 A θ − Pf= 0,=µ0,≥µ0
A
máx máx
∂ = X A -1θAˆ T−θˆP−f P≤ 0 e= 0, θ
( f -1 f
máx
∂µ ∂µ f
(3.39)
Os multiplicadores de Lagrange λ são frequentemente
interpretados como sendo os preços spot nodais ótimos; se
esses valores são usados como preços nas barras, então o
comportamento do produtor e do consumidor, em relação
175
a esses preços, deve levar a um despacho que coincida com o

despacho ótimo. Da equação (3.36), pode-se verificar que ela
representa o gradiente do custo total de potência. Quando não
existe congestionamento, todos os λi são iguais uns aos outros.
Em um sistema congestionado, os λi são, em geral,
diferentes uns dos outros. Em tais casos, a diferença entre um
par deles leva aos custos de transmissão da correspondente linha
da rede, isto é,
t ij = λj - λi (3.40)
Se existe congestionamento em algumas linhas, então pode
ser provado que
∑in=1 λ i PG i + ∑ k =1µ k Pf k = ∑in=1 λ i PD i (3.41)
m
PDi é a carga total na barra i, e Pf é o fluxo de potência ativa

na linha k.
Como os multiplicadores de Lagrange das restrições de
fluxo µk são não negativos (por exemplo, positivos ou zero), se
conclui que µk Pf4 ≥ 0. Portanto, se conclui da equação (3.40),
que em um sistema congestionado, o custo de geração total é
menor ou igual ao custo de consumo total, isto é,
n n
∑ i =1 λi PG i ≤ ∑ i =1 λi PD i (3.42)
Como consequência, o dinheiro arrecadado pelo pool ISO
das cargas é, em geral, maior que o dinheiro pago pelo ISO aos
geradores. Este excedente de dinheiro, usualmente chamado ex-
cedente do congestionamento da transmissão ou simplesmente
renda do congestionamento, é dado por
s = ∑ in=1 λi PD i − ∑ in=1 λi PG i = ∑ mk =1 µ k Pf k (3.43)
A interpretação física de um multiplicador de Lagrange das
restrições de desigualdade, µk é que ele representa o custo adi-
cional de poupança (incremento no benefício social) que resul-
176
taria de um pequeno aumento da capacidade da linha k; isto é,

µk é o gradiente negativo do custo total do sistema com relação
ao limite de fluxo de potência Pf k , ou seja,
máx
µk = − máx L
∂
∂Pf k (3.44)
nota-se que, no ponto ótimo, tem-se L ( y*) = f (P*).
Depois que o vetor µ é conhecido, o dinheiro exceden-
te devido ao congestionamento pode ser encontrado usando a
equação 3.43. Entre todos os participantes do mercado, o ISO
pode então distribuir o dinheiro excedente de maneira equita-
tiva. A parte complicada dessa distribuição é a forma de como
encontrar essa distribuição equitativa. Vários métodos foram
propostos na literatura técnica, a proposta mais básica distribui
o dinheiro excedente de acordo com o grau de envolvimento de
cada participante no congestionamento.
Gerenciamento do congestionamento baseado em

transações
Em mercados bilaterais vendedores e compradores reali-
zam transações de energia elétrica, onde as quantidades nego-
ciadas e seus preços dependem da prudência dos participantes,
sem intervenção do ISO. Essas transações são realizadas com
antecedência (hora/dia) para o ISO com o pedido de que a
transmissão seja concedida. Se uma análise de rede indica que
não existe congestionamento no sistema, o ISO simplesmente
despacha todas as solicitações de transação e faz uma taxação
justa pelo serviço. Se existe congestionamento, o ISO solicita
aos participantes que apresentem propostas de redespacho para
aliviar o congestionamento. Com as propostas recebidas, o ISO
determina o redespacho mais econômico (ou menos corrigido)
177
das propostas das geradoras usando, por exemplo, um FPO ou

um DE (despacho econômico) com restrições de transmissão.
Se for encontrado um despacho factível, o ISO recupera o custo
desse despacho alocando os custos de alívio do congestiona-
mento de forma equitativa entre todas as transações que contri-
buíram para o congestionamento.
O alívio econômico ótimo do congestionamento pode ser
formulado como:
mín P +, P − {f = c +
P+ + c − P - }
sujeito a
S P ≤ P fmáx − Pf (3.45)
P = P+ − P -
P+ ≥ 0, P- ≥ 0
onde
∆P + e ∆P - são vetores de injeção de potência de dimensão
(n – 1) x 1 que representam o aumento e a diminuição na geração;
c+ e c- são vetores de dimensão 1 x n e representam a oferta
de aumento ou de diminuição, respectivamente, que são envia-
dos pelos geradores para redespacho em caso de congestiona-
mento; ci é o preço pelo qual o gerador i está propenso a
+
incrementar sua produção, e ci é o preço pelo qual o gerador

−
i está disposto a comprar para diminuir sua produção (para ali-

viar o congestionamento);
S é a matriz de sensibilidade de dimensão m x (n – 1) dos
fluxos de potência com relação às injeções líquidas de potência;
Pf é o vetor de fluxos de potência de dimensão m x 1 que
corresponde ao conjunto de transações bilaterais programadas;
Pfmáx é o vetor de limites de fluxo de potência de dimensão
m x 1;
178
Pfmáx – Pf é o vetor de redução de fluxos de potência

programados.
A função de Lagrange dos problemas 3.45 pode ser escrita
L(y) = c+ P+ + c- P- + λ T ( P - P+ P- ) +
da seguinte forma:
(3.46)
µ T ( S P + Pf − P fmáx ) + α T P+ + β T P-
onde:
λ é o vetor de multiplicadores de Lagrange de dimensão n
x 1 para as restrições de igualdade, seus componentes não têm
restrição de sinal;
µ é o vetor de multiplicadores de Lagrange de dimensão
m x 1 para as restrições de desigualdade, é também chamado
vetor de preços sombra ou marginais; seus componentes têm
restrições de sinal: µk ≥ 0;
α e β são vetores de multiplicadores de Lagrange de
dimensão n x 1 para as restrições de não negatividade de ∆P+ e
∆P-, respectivamente; eles devem ser não positivos.
Tarifas da transmissão
A tarifa da transmissão está relacionada com a questão de
quanto pagar, e para quem, pelo uso do sistema de transmissão.
Existem três aspectos relacionados com o gerenciamento da ta-
rifa da transmissão.
Receitas suficientes: deve ser desenvolvido um procedi-
mento para assegurar que existe receita suficiente para cobrir
os custos dos operadores do sistema de transmissão e dos pro-
prietários do sistema de transmissão. Enquanto a cobertura dos
custos de operação geralmente não é um problema, o fluxo de
179
receitas deve também motivar uma construção adequada do sis-

tema de transmissão.
Utilização das tarifas: as tarifas de transmissão podem ser
usadas de várias formas para gerenciar o congestionamento.
Elas podem ser enviadas como sinal de preços em tempo real
aos usuários do sistema de transmissão para controlar operacio-
nalmente o congestionamento, e podem ser enviados os sinais
de preço de longo prazo para motivar a implantação de novos
geradores ou cargas grandes.
Levar em conta as perdas de transmissão: as tarifas da
transmissão podem também ser usadas para influenciar o pro-
cesso de otimização descentralizado e irrestrito no mercado de
energia para levar em conta as perdas de transmissão.
Direitos de transmissão
O excedente de congestionamento da transmissão s pode
dar origem a um sistema de direitos de contratos de rede. A ideia
por trás de um direito de contrato de rede é fornecer um meca-
nismo para controlar os riscos financeiros devido às variações
de preço induzidas pelo congestionamento.
A capacidade efetiva de uma rede é uma função das restri-
ções físicas e do padrão das transações.
Os direitos de transmissão são usados principalmente para
facilitar o comércio que acontece muito antes da programação
física, que é usualmente feito pelo ISO somente com um dia de
antecedência. Existem dois tipos de direitos de transmissão:
I) Financeiro,
II) Físico.
O direito de transmissão financeiro não confere direito
à transmissão de potência, mas somente para a cobrança dos
pagamentos; o clássico direito financeiro da transmissão é um
180
contrato do congestionamento da transmissão (CCT) que paga

a diferença de preços, entre duas localizações (barras), para uma
quantidade de potência fixada. O direito de transmissão físico
(DTF), entretanto, outorga algum direito ou prioridade para a
transmissão física.
Perdas de potência ativa na transmissão

Na operação tradicional dos sistemas elétricos (vertical), as
perdas ativas de potência na transmissão são empregadas para
penalizar os geradores usando um critério de otimização, pro-
duzindo um custo adicional que é diretamente repassado aos
consumidores. Em mercado elétrico competitivo, as perdas de
potência ativa na transmissão são cobradas aos diversos agen-
tes do mercado, geradores e consumidores. Será revisado alguns
métodos para calcular essas perdas e comentado sobre algumas
opções para distribuir os encargos associados com as perdas en-
tre os participantes do mercado.
Avaliação das perdas da transmissão

As perdas de potência ativa em cada linha de transmissão
dependem de forma quadrática do fluxo de potência na linha.
Dependendo do tipo de sistema (transmissão ou distribuição)
e de sua topologia, as perdas de potência ativa em uma linha
variam de 3% a 10% da carga total.
O método mais simples para calcular as perdas de potência
ativa (MW) em um sistema elétrico de potência é somar todas as
injeções líquidas de potência ativa nas barras, isto é
PL = ∑ in=1 Pi = et P (3.47)
onde P é um vetor de injeção de potência ativa da barras
de dimensão n x 1, e e é um vetor com elementos unitários de
181
dimensão n x 1. O inconveniente desse método simples é que

não temos informação sobre a contribuição de cada linha nas
perdas de potência ativa.
Essas perdas podem também ser encontradas usando a
corrente e a resistência de cada ramo da rede, isto é,
PL = ∑ mk =1 Rk I k2 = I tf Rf I *f (3.48)
onde If é o vetor de corrente complexa de ramo de dimen-
são m x 1, Rf é uma matriz de resistências de ramo de dimensão
m x m, e o superíndice indica o operador complexo conjugado.
Caso sejam conhecidos a estrutura da rede do sistema de potên-
cia e os dados, podem ser encontradas as correntes complexas
em cada linha através da resolução de um problema de fluxo de
carga simples.
Para conhecer as perdas de potência ativa total do sistema,
devem-se adicionar as perdas de potência ativa devido ao efeito
corona e dos núcleos de magnetização dos transformadores, às
perdas encontradas usando a equação (3.47) ou a equação (3.48).
Alternativamente, para correlacionar as perdas com as
transações individuais ou as cargas, é mais conveniente encon-
trar PL pelas seguintes expressões que são funções das tensões
de barra ou correntes de barra:
PL = V t G V * (3.49)
PL = I t R I * (3.49)
onde V e I são vetores de tensões nodais e correntes nodais
de dimensão n x 1; e F e R são matrizes de dimensão n x n cor-
respondentes à parte real da matriz de admitância nodal Y e da
impedância nodal Z, respectivamente.
As expressões anteriores encontram as perdas exatas; elas
não incorporam aproximações. Entretanto, para aliviar o esfor-
ço computacional nos cálculos, podem ser incluídas algumas
182
aproximações, tais como aquelas do fluxo de carga CC; com este

modelo, as perdas de potência ativa e os fluxos de potência rea-
tiva são ignorados. Além disso, ignorar as resistências séries no
modelo CC implicaria que as perdas de potência ativa são iguais
a zero (aparentemente), ou seja, a soma das injeções de potência
ativa de todas as barras da rede é zero; assim, qualquer injeção
de potência é uma combinação linear das outras, ou seja, para
a barra de referência (barra número 1), a injeção de potência é
P1 = − ∑ in= 2 Pi = − eˆT Pˆ (3.50)
onde P̂ = [P2 P3 Pn] e ê é um vetor de elementos unitá-
rios de dimensão (n - 1) x 1.
Conhecendo os fluxos de potência ativa do modelo CC,
pode-se agora assumir que as resistências séries não são iguais a
zero, e calcular as perdas de potência ativa da rede atual usando
a seguinte expressão, encontrada na equação 3.48:
PL ≈ PfT Rf Pf* = Pˆ T  Sˆ T Rf Sˆ  Pˆ T Mˆ Pˆ (3.50)
onde Pf = [X-1 Â T B̂−1 ] P̂ = Ŝ P̂ , Ŝ = X-1 Â T B̂−1 é a

matriz de sensibilidade, B̂ = Â X-1 Â T é uma matriz simétrica
e M̂ = Ŝ T Rf Ŝ é também uma matriz simétrica. O símbolo ∧
indica um vetor ou matriz que foram adequadamente reduzidos
pela eliminação da barra de referência.
Quando existem transações bilaterais (ou multilaterais) en-
tre os participantes do mercado, é conveniente representar as
perdas em função dessas transações. A transação Ti é especifica-
da por um vetor de injeções nodais, cujos elementos diferentes
de zero são a carga e a geração nodal incluídos na transação. No
modelo clássico, as perdas devido a tais transações são tidas em
conta pela barra de referência, mas também é possível distribuir
essas perdas entre todos os geradores. Em qualquer caso, o ve-
183
tor de injeção total deve coincidir com o vetor que inclui a soma
de todas as transações, isto é,
P = ∑ τi =1 Ti = T . e (3.53)
onde T = [T1 T2 Tτ ] é a matriz de transação de dimen-
são n x τ e é um vetor de elementos unitários de dimensão τ x 1.
Substituindo a equação (3.53) nas equações de perdas (3.47)
e (3.52), as perdas da transmissão, em termos de transação, são
dadas por
PL = eT T T e (3.54)
PL ≈ eT T T MT e (3.55)
Distribuição dos custos das perdas

Uma vez que as perdas da transmissão são calculadas, de-
ve-se decidir quem vai pagar pelo seu custo. Em outras palavras,
deve-se decidir em que grau as cargas, as geradoras ou as tran-
sações são responsáveis por tais perdas. Esse processo é difícil,
e inda está em discussão uma metodologia razoável de solução
que deve satisfazer com alguns requisitos, tais como:
I) Refletir a posição relativa de cada barra de rede;
II) Levar em conta a magnitude da injeção em cada barra;
III) Ser consistente com o estado e a topologia da rede,
IV) Ser simples de entender e implementar.
A primeira exigência é fundamental para enviar sinais econô-
micos adequados aos geradores e consumidores em relação à sua
posição geográfica. Neste sentido, pode-se fazer três propostas:
Atribuir os custos das perdas para os geradores, somente
para aqueles que as incluem em suas ofertas. Isso seria um pro-
cedimento lógico em um mercado em que as tarifas de distribui-
ção não estão geograficamente discriminadas (isto é equivalente
a ratear as perdas entre os consumidores).
184
Atribuir custos das perdas somente para os consumidores;

este método não fornece incentivos para que os novos geradores
escolham seus lugares mais adequados.
Atribuir os custos das perdas aos geradores e aos consu-
midores, usando uma proporção preestabelecida ou (prefe-
rencialmente) uma proporção calculada pelo próprio processo
de distribuição.
Obviamente, o esquema mais simples para atribuir as per-
das é ratear; esse procedimento, contudo, é muito controverso.
O método mais popular consiste na aplicação dos coeficientes
incrementais de perdas (conforme o exemplo 3.14) que são usa-
dos no despacho econômico clássico para penalizar o custo in-
cremental dos geradores. Esses coeficientes são definidos como
a derivada da perda total em relação à potência ativa injetada
em cada barra. A aplicação dessa definição para o fluxo de carga
CC (equação 3.52) produz o seguinte vetor de coeficientes de
perdas incrementais:
∂ PL
βˆ = ˆ ≈ 2 Mˆ Pˆ (3.56)
∂P
Um vetor mais exato para o vetor β pode ser obtido usan-
do o fluxo de carga CA. O principal inconveniente no cálculo
analítico de β, no fluxo de carga CC e CA, está no fato de que
nenhuma perda é atribuída para a barra de referência (balan-
ço) (na verdade, essa barra não aparece no vetor na equação
3.56). Se esse método não é aceitável, é sempre possível usar
uma metodologia com distribuição adequada nas barras. Neste
caso, o cálculo das perdas incrementais, resumidamente, seria
da seguinte forma:
• Para a barra consumidora i, é considerado um peque-
no incremento na potência da carga, ∆P; a potência
na barra de balanço é então ajustada de acordo com
185
um esquema proporcional previamente decidido (por

exemplo, em proporção à sua potência base ou à sua
contribuição para a regulação dos serviços complemen-
tares). É processado um fluxo de carga, e as perdas in-
crementais são calculadas em relação ao caso base:
PL
βi = (3.57)
Pi
• Para a geração na barra k, se trabalha de forma seme-
lhante, com ajustes negativos da potência na barra de
balanço (para compensar o excesso de potência gerada).
Esses cálculos podem ser feitos usando o fluxo de carga CC
ou CA. O método CC tem o inconveniente da baixa precisão no
cálculo do fluxo nas linhas, especialmente nas linhas altamente
carregadas. Entretanto, o uso do modelo CC oferece algumas
vantagens tais como:
I) O modelo permite o uso do princípio da superposição,
que torna possível calcular adequadamente um fluxo de
linha como a soma de contribuições devido a cada bar-
ra ou transação;
II) Como não são assumidas as perdas, o fluxo de cada
linha não dependa da barra de balanço escolhida;
III) Pode ser feito um desenvolvimento analítico para redu-
zir o esforço de processamento.
Nos mercados elétricos regulados por transações bilaterais,
a distribuição das perdas, em relação à transação pode ser imple-
mentada por vários métodos propostos. Por exemplo, as perdas
atribuídas à transação i são obtidas do termo correspondente na
equação (3.55), isto é
PL(trans i) ≈ ( ∑ τk =1 Tk ) MTi (3.58)
T
186
O problema com termos mútuos em PL

Por simplicidade, considera-se as perdas de potência ativa
apenas em uma linha de transmissão, isto é, a linha que liga as
barras i e j. também se assume que apenas duas transações usam
essa linha (em geral, essa análise pode ser realizada para cada
par de contribuições individuais). As perdas totais de fluxo de
potência ativa na linha são dadas por
PLij = R ( Pi ± Pj ) = R ( Pi 2 + Pj2 ± 2 Pi Pj ) (3.59)
2
2 2
Pode ser considerado lógico atribuir os termos RPi e RPj
para as transações i e j, respectivamente. Contudo, não é óbvio
quem deve ser responsável pelo termo mútuo ± 2 Pi Pj. Tentan-
do encontrar uma forma de atribuir as perdas na linha, nota-se
que PLij pode ser escrito como
 Pi ± Pj 
PLij = R  Pi 2 + Pj2 ± 2 PP
Pi ± Pj 
i j
 (3.60)
R Pi (1 ± ρ j ) + RP (1 ± ρ i ) ≡ PLi + PLj
2
j
2
onde PLi e PLj são as parcelas das perdas na linha devido às

injeções de potência (Pi e Pj), respectivamente; e ρi = 2Pi / (Pi
+ Pj) e ρj = 2Pj /(Pi + Pj) são os coeficientes de contribuição
mútuos das barras i e j, respectivamente.
serviços ancilares
Os serviços ancilares ou complementares são definidos
como aquelas atividades que são necessárias para sustentar a
transmissão elétrica de forma que a operação do sistema de po-
tência seja segura e confiável. Entre outros, podem ser conside-
rados serviços complementares:
• Controle de frequência e controle de fluxo de potência
entre as áreas;
187
• Manutenção de uma reserva de geração adequada;

• Controle de tensão e de potência reativa;
• Garantia da estabilidade do sistema de potência.
Em empresas elétricas verticalmente estruturadas, os servi-
ços complementares formam parte integrante do fornecimento
da energia elétrica; portanto, eles não são separados das outras
atividades. Entretanto, em empresas elétricas que operam no
mercado competitivo o operador não controla diretamente os
geradores e tem que comprar os serviços complementares das
empresas que oferecem esse serviço. Em tal ambiente, os me-
canismos de fixação de preços desses serviços desempenham
um papel importante na operação do sistema de potência. Os
mercados que fornecem os serviços complementares têm dife-
renças entre eles, dependendo das funções do ISO e do desenho
do próprio mercado. Além disso, uma característica é comum
a todos eles: cada um procura fornecer um serviço importante
para a operação segura e confiável da operação do sistema de
potência. Admite-se que os participantes do mercado oferecem
serviços complementares para o ISO (de forma semelhante que
a energia elétrica), e que o ISO faz um gerenciamento dessas
ofertas de acordo com as regras estabelecidas pelo mercado.
Serviços de regulação
A regulação é o ajuste da geração em todo instante de tem-
po para assegurar o balanço entre geração e carga, de forma que
a frequência seja mantida em um nível preestabelecido (frequ-
ência nominal). A resposta rápida exigida da usina de geração
é conseguida usando sinais de controle automático que corres-
pondem ao ACE (a área de controle de erro, no caso do con-
trole da frequência primária) ou ao CAG (controle automático
da geração, no caso do controle de frequência secundária). A
188
capacidade de regulação de um gerador deve ser movimentada

e sincronizada com a rede do ISO, pronta para ser usada em
qualquer instante.
Serviços de reserva de potência

A reserva de operação se refere à capacidade de geração
disponível para responder aos desequilíbrios inesperados do sis-
tema, tais como um incremento rápido da carga, a perda de um
gerador ou de uma linha de transmissão. Para cada hora do dia
seguinte, os participantes do mercado oferecem ao ISO o forne-
cimento de energia (ou redução de sua demanda) para compen-
sar parte ou toda a reserva requerida, a um preço de oferta ($/
MW). O ISO precisa garantir que a reserva girante seja unifor-
memente distribuída em todo o sistema, de forma que as reser-
vas disponíveis não sejam afetadas pelas restrições de operação.
O tipo de reserva disponível e sua definição depende do sistema.
Por exemplo, elas podem estar sincronizadas com o sistema, co-
nhecidas como reserva girante, ou não sincronizadas, chamadas
reserva não girante. Além disso, as reservas de potência podem
ser classificadas de acordo com a quantidade de tempo que elas
requerem para se tornarem disponíveis. Por exemplo, tem-se:
i. A reserva girante de dez minutos, que pode imediata-
mente iniciar o envio de energia, estando totalmente
disponível em dez minutos e manter seu nível por pelo
menos trinta minutos;
ii. Reserva não girante de dez minutos que pode enviar
energia e estar totalmente disponível em dez minutos,
mantendo seu nível por mais trinta minutos;
iii. Reserva de operação de trinta minutos, que pode en-
viar energia e estar totalmente disponível em trinta mi-
nutos, mantendo seu nível por mais de uma hora, etc.
189
As reservas (ii) e (iii) são suplementares e podem ser ofe-

recidas por geradores de partida rápida, tais como os gerado-
res movidos por turbinas a gás, por turbinas a óleo, ou por
usinas hidráulicas. Os consumidores podem participar do for-
necimento de reservas suplementares através de contratos de
cargas desligáveis.
Vários métodos para fornecer os serviços complementares
aparecem na literatura técnica. Uma característica dessas propos-
tas de fornecimento do serviço é a natureza sequencial dos ser-
viços de regulação, a reserva girante e as reservas suplementares.
Serviços de potência reativa

O ISO, para manter as tensões das barras do sistema dentro
de certos limites, pode solicitar geradores para injetar ou absor-
ver potência reativa para manter a tensão do sistema barra den-
tro de certos limites em todo instante. É importante para o ISO
identificar suas necessidades de potência reativa e desenvolver
critérios adequados para escolher os fornecedores dessa potên-
cia. Assim, por exemplo, se o fornecimento implica pagamento
pelo ISO, o ISO deve encontrar fornecedores que minimizem o
custo total. Embora isso seja visto como um objetivo saudável,
pode também produzir um incremento nos fluxos de potência
reativa que leve a um incremento das perdas de transmissão e
exija a redução de energia nos contratos de venda. Também se o
ISO solicita um gerador independente para incrementar sua po-
tência reativa, dependendo de seu ponto de operação, o gerador
pode ser obrigado a reduzir sua geração de potência ativa para
satisfaze os limites de corrente de campo do rotor.
O preço a ser pago pelos serviços de potência reativa de-
pende da estrutura estabelecida para o mercado elétrico. Em
alguns mercados, se o gerador tem que reduzir a potência ativa
190
para permitir a unidade geradora gerar ou consumir a potência

reativa, então esse gerador deve receber uma compensação eco-
nômica para cobrir as perdas por redução da potência ativa.
O controle de tensão pode ser primário ou secundário. O
controle primário é necessário para compensar variações rápidas
que podem acontecer em poucos minutos; esse serviço é auto-
mático e pode ser fornecido pelos geradores síncronos, compen-
sadores síncronos, dispositivos SVC, ou transformadores com
mudança de tap. O controle secundário, por outro lado, com-
pensa as baixas variações de tensão em uma escala de tempo de
várias horas; esse serviço pode ser fornecido pelos geradores sín-
cronos, compensadores síncronos, reatores e capacitores shunt,
capacitores em séries ou transformadores com mudança de tap.
Os mercados de serviços complementares para a potência
reativa têm algumas características peculiares, entre as quais po-
de-se mencionar:
• Os serviços complementares para a potência reativa
devem ser localmente atendidos para evitar problemas
associados com a transmissão desse tipo de potência;
• O preço do serviço complementar para a potência rea-
tiva depende da localização, isto é, o preço de 1 MVAr
pode ser diferente para cada barra do sistema;
• Portanto, a posição estratégica de um fornecedor desse
serviço pode dar uma vantagem excessiva para alguns
participantes;
• Devido ao número limitado de participantes no merca-
do da potência reativa, existe a possibilidade da criação
de mecanismos de poder de mercado;
• Neste mercado, pode acontecer que vários participan-
tes ofereçam potência reativa que é necessária para
apensas um comprador.
191
EXEMPLOS
Exemplo 3.1
Considera-se dois geradores alimentando uma carga de
200 MW, como mostrado na figura 3.6. Ambos os gerado-
res estão operando em despacho econômico a um custo total
de $ 2.800/h.
Figura 3.6: Rede de três barras do exemplo 3.1.
Gerador Custo PGmáx PGmín VGsp Q Gmáx Q Gmín

(Barra) ($/h) (MW) (MW) (pu) (MVAr) (MVAr)
100 + 20
1 200 50 1,0 150 -150
PG
200 + 10
3 200 50 1,0 150 -150
PG
Tabela 3.1: Dados dos geradores do exemplo 3.1.
Linha Reatância pu (Sbase = 100 MVA) P fmáx (MW)

1–2 0,1 200
2–3 0,1 200
1–3 0,1 100
Tensões 0,95 ≤ V ≤ 1,05
192
Tabela 3.2: Dados do sistema do exemplo 3.1.
O sistema está em um estado inseguro porque a saída da

linha 2 – 3 produziria uma sobrecarga na linha 1 – 3, e também
produziria um problema de limite de tensão na barra de carga,
como é mostrado na figura 3.6, item b). Se essa saída acontece,
então, devem ser tomadas ações corretivas: incrementar a gera-
ção de potência na barra 1 em 50 MW e diminuir a geração da
barra 3 nesse mesmo valor; adicionalmente, as tensões especifi-
cadas nas barras de geração devem ser aumentadas.
Se as ações corretivas se tornam ineficientes por alguma
ração, é necessário adotar ações preventivas sobre o caso base
(figura 3.6, item a), levando o sistema ao estado seguro mos-
trado na figura 3.6, item c). Obviamente, a adoção das ações
corretivas (incrementando PG1 em 50 MW e diminuindo PG3
na mesma quantidade, e também aumentando a tensão pro-
gramada para 1,03 pu) implica aumentar os custos de produ-
ção ($ 3.300/h) quando comparados com o despacho econô-
mico ($ 2.800/h). Este é um exemplo do estados do sistema
de potência.
Exemplo 3.2
Para se considerar um modelo de a análise de contingência
segundo os critérios N – 1 e N – 2 para o exemplo 3.1 deve-se
realizar um estudo detalhado dos seguintes estados:
• Análise N – 1: saída simples de n = 5 elementos (2 gera-
dores e 3 linhas), como mostrado na figura 3.7.
• Análise N – 2: saída simultânea de dois elementos ar-
bitrários dentre os n elementos, isto é n . (n – 1)/2 = 10
casos de contingência dupla (figura 3.8)
193
Figura 3.7: Análise N – 1 para o exemplo 3.2.
Figura 3.8: Análise N – 2 para o exemplo 3.2.
194
Pode ser observado a existência de vários casos críticos:

Os estados 6, 7, 11 e 13 produzem blecaute: nos casos 6 e
13, há insuficiência de geração e recursos de transmissão, res-
pectivamente. Nos casos 7 e 11, o blecaute é causado por insufi-
ciência de fontes de potência reativa.
Os casos 1, 2, 8, 9, 10, 12, 14 e 15 apresentam problemas de
baixa tensão: no caso 2 existe ainda sobrecarga na linha 1 – 3.
Exemplo 3.3
Considerando-se que o sistema da figura 3.9 sofre a saída
do gerador da barra 3.
Figura 3.9: Rede de cinco barras para o exemplo 3.3.
PL QL PG PGmáx PGmín VGsp Q Gmáx Q Gmín

Barra
(MW) (MVAr) (MW)
(MW) (MW) (pu) (MVAr) (MVAr)
1 1.500 750 - - - - - -
2 500 250 - - - - - -
3 0 0 1.000 1.500 250 1,05 750 - 750
0
4 750 1.500 250 1,05 750 - 750
0
5 0 0 309 1.000 250 1,05 500 - 500
195
Tabela 3.3: Dados de geração para o exemplo 3.3.
Linha Susceptância Q máx

f
Resistência Reatância Pf
i, j Shunt
(MW)
i→ j→
pu (Pbase = 100 MVA)
j i
L1 1 - 2 0,002 0,01 0,002 1.000 96 - 96
-
L2 1 – 3 0,004 0,02 0,004 1.000 721
699
-
L3 1 – 4 0,002 0,01 0,002 1.000 920
897
-
L 4 2 – 5 0,004 0,02 0,004 1.000 414
404
-
L5 3 – 4 0,004 0,02 0,004 1.000 279
276
-
L6 4 - 5 0,004 0,02 0,004 1.000 106
105
Tabela 3.4: Dados do circuito do exemplo 3.3.
As matrizes A, X e B são as seguintes
 1 1 1 0 0 0 
 
−1 0 0 1 0 0
A= 
 0 −1 0 0 1 0 
 0 0 −1 0 −1 1 
 0, 01 0 0 0 0 0 
 
 0 0, 02 0 0 0 0 
 0 0 0, 01 0 0 0 
X= 
 0 0 0 0, 02 0 0 
 0 0 0 0 0, 02 0 
 0 0 0 0 0 0, 02 
 
196
 250 −100 −50 −100 

 
−100 150 0 0
B= 
 −50 0 100 −50 
 −100 0 −50 200 
e a matriz de sensibilidade, Sf, é a seguinte:

 0, 4828 −0, 3448 0, 4138 0, 3448 
 
 0,1034 0, 0689 −0, 4828 −0, 0689 
 0, 4138 0, 2759 0, 0689 −0, 2759 
Sf = X -1 A T B-1 =  
 0, 4828 0, 6552 0, 4138 0, 3448 
 0,1034 0, 0689 0, 5172 −0, 0689 
 0, 5172 0, 3448 0, 5862 0, 6552 

Se a barra de folga compensa totalmente a geração perdida,
∆P Ti = [0 0 -1.000 0]
produzindo
∆P Ti = [-414 483 -69 -414 -517 -586]
Os fluxos de potência pós-contingência são mostrados na
tabela 3.5, juntos com os valores verdadeiros encontrados usan-
do um programa de fluxo de carga comercial. Como pode ser
verificado, os erros são aceitáveis, ao menos para detectar a exis-
tência de problemas.
Desequilíbrio assumido Desequilíbrio assumido

Caso
Linha pelo gerador 5 pelos geradores 5
Base
Fluxo de carga Fluxo de carga
DF DF
Pij Pji Pij Pji ∆Pij ∆Pji Pij Pji ∆Pij ∆Pji
∆Pij ∆Pij
1–2 96 -96 -294 296 -390 392 -414 -104 104 -200 201 -207
1–3 -699 721 -241 245 458 -476 483 -279 284 420 -438 441
1–4 -897 920 -965 994 -68 74 -69 -1117 1152 -219 231 -234
197
Desequilíbrio assumido Desequilíbrio assumido

Caso
Linha pelo gerador 5 pelos geradores 5
Base
Fluxo de carga Fluxo de carga
2–5 -404 414 -796 830 -392 416 -414 -604 626 -201 212 -207
3-4 279 -276 -245 248 -524 524 -517 -284 288 -562 564 -559
4-5 106 -106 -492 502 -598 608 -586 -89 90 -195 196 -193
Tabela 3.5: Fluxo de potência para o exemplo 3.3.
Na prática, no caso da saída de um gerador, vários gera-

dores assumem o desequilíbrio devido à ação do controlem
automático da geração. Neste exemplo, o gerador da barra de
folga não é capaz de fornecer 1.250 MW após a saída do ge-
rador da barra 3. Portanto, assume-se que o desequilíbrio de
potência é partilhado pelos geradores restantes de forma pro-
porcional à . Assim, 600 MW são repassados para o gerador da
barra 4 (PG4
máx
= 1.500 MW) e 400 MW para o gerador da barra
5 (PG5 = 100 MW). Isso produz
máx
Pi T =  0 0 −1.000 600 
 
e, consequentemente,
Pi T =  −207 441 −234 −207 −559 −193 
 
Os fluxos de potência pós-contingência usando os fatores
de partilha γ 4 = 0, 6 e γ 5 = 0, 4 também são mostrados na ta-
3 3
bela 3.5. Ressalta-se a sobrecarga da linha 1 – 4 que não pode ser

detectada se o modelo não considera o efeito do CAG (Controle
Automático de Geração) no desequilíbrio de potência.
Exemplo 3.4
No sistema do exemplo 3.3, supõe-se a saída repentina da linha
1 – 3. Modificando as matrizes A, X e B para levar em conta a
198
saída da linha, a nova matriz de sensibilidade é encontrada da

seguinte forma:
 0,5 − 0,3333 0,3333 0,3333 
 
 
 0,5 0,3333 − 0,3333 − 0,3333 
 
S 'f = ( X')-1 ( A')T (B')-1 =  0,5 0,667 0,3333 0,3333 
 
 0 0 1 0 
 
 0,5 0,333 0,6667 0,6667 
 
Os novos fatores de distribuição são
ρ 1,3 = S 'f  1 0 − 1 0  =  0,1667 0,8333 0,1667 − 1 − 0,1667 
T T
 
Então, multiplicando os fatores de distribuição pelo fluxo
na linha antes da contingência, P1,2 = - 699, medido na barra 1,
os fluxos de potência pós-contingência podem ser encontrados
na tabela 3.6.
Saída da linha L 2 (1-3)

Linha Caso Base
Fluxo de carga
DF
Pij Pji Pij Pji ∆Pij ∆Pji
∆Pij
1–2 96 -96 -53 53 -149 149 -109
1–3 -699 721 0 0 699 -721 -
1–4 -897 920 -1447 1506 -550 586 -545
2–5 -404 414 -553 576 -149 162 -109
3-4 279 -276 1000 -964 721 -688 655
4-5 106 -106 207 -204 102 -98 109
Tabela 3.6: Fluxos de potência no exemplo 3.4
Alternativamente, em lugar de modificar todas as matrizes

para considerar a saída da linha, os fatores de distribuição po-
dem ser obtidos usando duas injeções fictícias de potência nas
barras 1 e 3.
199
1
P1 = − P3 = = 2, 417
1 − SL 2,1 + SL 2,3
com PL 2 = 1. Então os fatores de distribuição são obtidos
0
da matriz de sensibilidade original Sf , como

ρ L 2 = Sf  2,417 0 − 2,417 0  =  0,1667 1,417 0,8333 0,1667 − 1 − 0,1667 
T T
   
Nota-se que o ramo sob contingência está virtualmente em

serviço quando se usa essa técnica, com um fator de distribuição
inútil de PL 2 = 1, 417.
0
Exemplo 3.5
Supõe-se que um índice de ordenamento (RI de contingên-
cias), como dado por (3.16), é adotado para a rede do exemplo
3.3. O RI do caso base é 0,413.
Considerando todas as saídas, exceto o gerador da barra de
folga, já que esse gerador é responsável pelo fornecimento devi-
do a qualquer desequilíbrio da geração. Então, usando como os
fluxos do caso base, e encontrando os fluxos pós-contingência
através dos correspondentes fatores de distribuição para cada
uma das oito contingências N – 1, os seguintes índices de orde-
namento são encontrados e descritos na tabela 3.7:
Contingência G3 G4 L1 L2 L3 L4 L5 L6
RI 0,506 0,480 0,417 0,537 0,504 0,499 0,367 0,410
Tabela 3.7: Índices de ordenamento para o exemplo 6.5.
Em consequência, os estados de pós-contingência podem

ser classificados em ordem decrescente de RI: L2 , G3, L3, L 4, G4,
L1, L6 e L5.
Uma análise detalhada dos estados pós-contingência usando
o fluxo de carga fornece os resultados apresentados na tabela 3.8.
200
L1 L2 L3 L4 L5 L6
Caso Sobrecarga
1 2 1 3 1 4 2 5 3 4 4 5
L2 -53 53 0 0 -1447 1506 -553 576 1000 -963 207 204 L3, (L5)
G3 -294 296 -241 245 -965 994 -796 830 -245 248 -492 502 -
L3 -352 359 -1148 1240 0 0 -859 918 -240 243 507 -497 L2
L4 508 -500 -782 818 -1226 1271 0 0 182 -180 -341 345 L3
G4 -153 153 -655 681 -692 705 -653 677 319 -314 -392 399 -
L1 0 0 -680 701 -820 841 -500 513 299 -296 205 -203 -
L6 198 -197 -720 743 -979 1004 -302 310 257 -254 0 0 (L3)
L6 138 -137 -960 -1000-677 695 -362 372 0 0 55 -55 -
Tabela 3.8: Análise detalhada dos estados pós-contingência.
Nota-se que a análise por ordenamento teria parado após

detectar o caso não sobrecarregado (G3 ), deixando sem atenção
algumas contingências críticas: saídas L3 e L 4. Esse problema é
usualmente conhecido como efeito de mascaramento e é ineren-
te aos métodos de ordenamento.
Exemplo 3.6
Neste exemplo, todas as contingências, N – 1, do exemplo
3.3 serão analisadas usando o fluxo de carga desacoplado rápido,
com exceção da saída do gerador da barra de folga. Após a pri-
meira iteração completa, e sempre iniciando do estado pré-con-
tingência, a primeira verificação dos problemas é feita usando os
valores aproximados dos fluxos. O processo iterativo continua
se são detectados problemas como mostra a figura 3.4.
Para avaliar a precisão dos resultados encontrados após
apenas uma iteração do fluxo de carga, a tabela 3.9 mostra os
fluxos e as tensões após a primeira iteração e após a conver-
gência final com uma tolerância de erro de 0,1 MVA. São apre-
sentados os resultados das saídas da linha L2 e do gerador G3 e,
ambos os casos, foram necessárias três iterações.
201
Saída de L 2 Saída de G3
Potências Uma iteração Convergido Uma iteração Convergido
Origem Destino Origem Destino Origem Destino Origem Destino
L1 -52 53 -52 53 -257 258 -293 295

L2 0 0 0 0 -214 217 -239 243
L3 -1376 1428 -1447 1506 -971 1000 -962 991
L4 -543 564 -553 576 -782 811 -797 831
L5 1020 -982 1000 -963 -278 282 -245 249
L6 171 -169 207 -203 -481 490 -495 505
Tensões
1 0,9165 0,9095 0,9609 0,9201
2 0,9354 0,9297 0,9622 0,9342
3 1,0500 1,0500 1,0034 0,9612
4 1,0164 1,0144 1,0500 1,0044
5 1,0500 1,0500 1,0500 1,0500
Tabela 3.9: Estado pós-contingência após a primeira iteração e após a convergência.
Nota-se que a primeira iteração fornece uma boa estima-

tiva dos valores finais, permitindo identificar as sobrecargas
nas linhas L3 e L5 quando a linha L2 está sob contingência, e
possíveis problemas na linha L3 devido à saída do gerador G3.
Analisando as tensões, nota-se que somente uma iteração não é
suficiente para detectar de forma correta os problemas de ten-
são nas barras 1 e 2 como consequência da saída do gerador G3.
Este fato nos traz à mente a conveniência de realizar duas itera-
ções para detectar possíveis problemas de tensão, especialmente
quando algum gerador atinge o limite de potência reativa após
uma contingência.
202
Elemento Após a Nº de
Primeira Iteração
Desacoplado Convergência Iterações
Baixa tensão nas
G3 L3 sobrecarga 3
barras 1 e 2
Baixa tensão na
G4 2
barra 1
L1 - - 1
L 3 e L5 L 3 e L5
sobrecarregadas sobrecarregadas
Baixa tensão nas Baixa tensão nas
L2 3
barras 1 e 2 barras 1 e 2
G4 no limite G4 no limite
reativo reativo
L2 sobrecarregada
L2 sobrecarregada Tensões críticas
L3 Tensões críticas nas barras 1 e 2 5
nas barras 1 e 2 G3 no limite
reativo
L3 sobrecarregada
L3 sobrecarregada Baixa tensão nas
L4 Baixa tensão nas barras 1 e 2 4
barras 1 e 2 G4 no limite
reativo
L2 próximo do
L5 - 2
limite
L6 L3 no limite L3 no limite 1
Tabela 3.10: Informação fornecida pela análise de contingências do exemplo 3.6.
A análise de contingência fornece a informação mostrada

na tabela 3.10. Pode ser verificado que a análise preliminar de
violação de limites, após a primeira iteração, permite identificar
problemas na maioria das contingências, com exceção de alguns
problemas de tensão (G3) e de limites de geração de potência
reativa (L3 e L 4).
203
Exemplo 3.7
Neste exemplo, será encontrado o estado ótimo em relação
aos custos de geração do sistema apresentado na figura 3.10.
Figura 3.10: Sistema de cinco barra do exemplo 3.7.
PD QD PG PGmáx PGmín VGsp QG Q Gmáx Q Gmín

Barra
(MW) (MVAr) (MW) (MVAr)
(MW) (MW) (pu) (MVAr) (MVAr)
1 1.000 250 - - - - - - -
2 1.000 250 - - - - 0 200 0-
3 0 0 - - - - - - -
4 0 0 1.000 1.500 500 1,00 833 1.000 -1.000
5 0 0 1.069 1.500 500 1.00 54 1.000 -1.000
Tensões 0,95 ≤ V ≤ 1,05
Tabela 3.11: Características de geração do sistema do exemplo 3.7.
S máx
f Sij
Linha Resistência Reatância Susceptância
(MVA) (MVA)
pu (Pbase = 100 MVA) i→j

L1 1 - 2 0,010 0,010 0,020 500 230,7
204
S máx
f Sij
Linha Resistência Reatância Susceptância
(MVA) (MVA)
L2 1 – 3 0,001 0,015 0,000 2.000 804,0

L3 1 – 4 0,001 0,010 0,000 2.000 1.266,4
L4 2 – 5 0,005 0,020 0,020 1.500 221,3
L5 3 – 4 0,005 0,010 0,020 1.500 724,1
L6 4 - 5 0,005 0,020 0,020 1.500 326,3
Tabela 3.12: Dados de rede para o sistema do exemplo 3.7.
Os custos de geração são os seguintes:

G4: 100 + 10,5 PG4 $/MWh G5: 100 + 10,5 PG5 $/MWh
Além disso, o sistema tem elementos de controle de tensão:
controle de tensão no gerador, um banco de capacitores de 200
MVAr com 20 degraus de 10 MVAr, e o transformador 1 – 3
com 21 tapes para regulação para mudar a relação de transfor-
mação em ± 10%, com incremento de 1%. Inicialmente, o ban-
co de capacitores está desligado e o tap do transformador está
no ponto central.
As matrizes G e B são as seguintes:
 
 50 + 4,4248 / a − 50,0 − 4,4248 / a 0,0 0,0
2

 
 − 50,0 59,9010 0,0 − 9,9010 0,0 
 
A =  − 4,4248 / a 0,0 56,1895 −11,7647 −40,0 

 0,0 −9,9010 − 11,7647 33,4304 − 11,7647 
 
 
 0,0 0,0 −40,0 −11,7647 51,7647 
 
 −49,99 + 4,4248 / a 50,0 66,3717 / a 0,0 0,0
2

 
 −50,0 −148,9999 0,0 99,0099 0,0 
 
B =  66,3717 / a 0,0 −193,4105 47,0588 80,0 

 0,0 99,0099 47,0588 − 193,1076 47,0588 
 
 
 0,0 0,0 80,0 47,0588 −127,0388 
onde a é relação de transformação do transformador em pu.
205
Nota-se que a matriz B também depende da susceptância

do banco de capacitores. Entretanto, neste exemplo, o capacitor
é modelado como uma injeção de potência reativa na barra 2.
O objetivo da FPO é minimizar os custos de produção,
C = C1 + C2 =200 + 10,5 PG4 + 10,5 PG5
e as restrições são:
• Equações de rede:
Pi = PGi − PDi = ∑5j =1 VV i j
 Gij cos ( θ i − θ j ) + B ij sen ( θ i − θ j ) i = 1,  , 5

 
Q i = Q Gi − Q Di = ∑5j =1 VV i j
 
 Gij sen ( θ i − θ j ) − B ij cos ( θ i − θ j ) i = 1,  , 5
onde as variáveis de decisão são PG4, PG5, QG4, QG5, assim
como a potência reativa injetada pelo banco de capacitores QG2 ,
e a relação de transformação do transformador, a, incluída nas
matrizes G e B. Por outro lado, a barra 5 e de folga, θ5 = 0.
• Limites nos dispositivos de controle
• Geração ativa e potência reativa:
500 ≤ PG4 ≤ 1500 -1000 ≤ QG4 ≤ 1000
500 ≤ PG5 ≤ 1500 -1000 ≤ QG5 ≤ 1000
• Banco de capacitores: 0 ≤ QG2 ≤ 200, em pas-
sos discretos de 10 MVAr.
• Relação de transformação do transformador:
0,9 ≤ a ≤ 1,1; com incremento de 0,01 pu.
A natureza discreta do tap do transformador e do banco de
capacitores, considerando a pequena magnitude dos passos em
ambos os casos, é levada em conta arredondando as variáveis
para o valor discreto mais próximo e atualizando o estado do
sistema através da solução de um problema de fluxo de carga.
206
• Limites operacionais:
0, 95 ≤ Vi ≤ 1, 05 i = 1,  , 5
Sij = Pij2 + Qij2 ≤ Sijmáx i, j = 1,  , 5
onde
Pij = Vi Vj Gij cos (θ i − θ j ) + B ij sen (θ i − θ j )  − GijVi 2
Q ij = Vi Vj Gij sen (θ i − θ j ) + B ij cos (θ i − θ j )  +  B ij − bijp  Vi 2
A solução do FPO anterior leva ao estado mostrado na fi-
gura 3.13.
Figura 3.11: Estado ótimo em relação aos custos de geração da rede de cinco barras.
Podem ser feitos os seguintes comentários em relação à so-

lução ótima:
O custo de produção é reduzido para $ 21.289/h, com uma
diminuição de $ 101/h comparado com o caso base;
As perdas também foram reduzidas de 69,2 para 65,2 MW.
Ressalte-se que o gerador 4 é favorecido pela melhor localiza-
ção. Na verdade, uma estratégia de despacho econômico (DE)
exclusivamente baseado em custos levaria esse gerador ao seu
limite térmico inferior.
207
Todas as variáveis são otimizadas para minimizar o custo,

sujeito a todas as restrições. Na verdade, os problemas de tensão
presentes no caso base são corrigidos.
A relação de transformação do transformador foi arredon-
dada para 1,03 pu, e os módulos do capacitor são plenamente
utilizados (200 MVAr de capacidade nominal), que injetam 206
MVAr, a uma tensão de 1,014 pu.
Os multiplicadores de Lagrange correspondentes às equa-
ções de potência ativa fornecem o custo incremental da barra,
isto é, a sensibilidade do custo de produção em relação à deman-
da de potência ativa de barra.
λT = [11,08 10,70 10,76 10,50 10,00] $/MWh
Ressalta-se que podem ser encontrados custos incremen-
tais semelhantes para as demandas de potência reativa.
Exemplo 3.8
O sistema de potência do exemplo 3.3, apresentado na fi-
gura 3.14, está no estado de emergência, onde a linha L3 está
sobrecarregada.
Figura 3.12: Sistema de cinco barras para o exemplo 3.8.
208
QD QG
Barra PD (MW) PG (MW) V pu
(MVAr) (MVAr)
1 1.250 500 - - 0,96
2 1.250 500 - - 0,93
3 0 0 1.150 366 1,05
4 0 0 1.100 682 1,04
5 0 0 351 456 1,03
Tabela 3.13: Dados de geração do sistema do exemplo 3.8.
Os fluxos de potência podem ser facilmente encontrados

usando o modelo de rede CC como no exemplo 3.3:
 0,4828 − 0,3448 0,4138 0,3448   6,82 
  
   
 0,1034 0,0689 − 0,4828 − 0,0689   −12,5   − 8,47 
    
 0,4138 0,2759 0,0689 − 0,2759   −12,5   − 10,86 
Pf =    
= 
 0,4828 0,6552 0,4138 0,3448   11,5   − 5,67 

   
 0,1034 0,0689 0,5172 −0,0689   11,0   3,03 
    
 0,5172 0,3448 0,5862 0,6552   3,17 
   
Nota-se que a linha L3 está sobrecarregada em 86 MW
( P f
máx
= 1.000 MW e Sbase = 100 MVA).
Adotando o modelo linear da equação (3.3), o problema
FPO pode ser formulado como:
• Função objetivo
 +   − 
 PG 3   PG 3 
   
cuT P+ + cdT P- =  10 10 20   PG+4  +  10 10 20   PG−4 
   
 PG+5   PG−5 
   
P ≥0 P ≥0
+ -
Ressalta-se que foram usados custos de penalidade por re-

programação de $ 10 MW para os geradores 3 e 4, e $ 20/MW
para o gerador 5.
• Equações de rede: P + ∆P+ - ∆P- = B θ
209
 − 12, 5  
   250 − 100 − 50 − 100   θ1 

    
 − 12, 5   − 100 150 0 0  θ2 
  =  
 11, 5 + PG+3 − PG− 3   − 50 0 100 − 50   θ3 
    
 − 
 11, 0 + PG 4 − PG 4   − 100 0 − 50 200   θ4 
+

Como o modelo anterior não inclui a operação de barra da
barra de folga, uma equação adicional é necessária no FPO para
incorporar a variável de decisão desse gerador:
(11,5 + PG+3 − PG−3 ) + (11,0 + PG+4 − PG−4 ) + ( 2,5 + PG+5 − PG−5 ) = 25,00
onde 250 MW é a geração inicial do gerador 5, sem con-

siderar as perdas. Esta última equação não seria necessária se
fosse usada a matriz de susceptância B̂ de dimensão n x (n – 1)
no lugar da matriz B.
 15, 0   11, 5 + PG+3 − PG−3   2, 5 
     
   
 15, 0  ≥  11, 0 + PG 4 − PG 4  ≥  2, 5 
+ −

   
 10, 0   2, 5 + PG+5 − PG−5   2, 5 
    
 
   10, 0 
 − 10, 0   100 − 100 0 0 
  
      
 − 10, 0   50 0 − 50 0

  θ 1   10, 0 
     
 − 10, 0   100 0 0 − 100   θ 2   10, 0 
  ≤   ≤
 − 10, 0   0 50 0 0   θ 3   10, 0 
    
  50 − 50   θ 4   10, 0 
 − 10, 0   0 0

   
 − 10, 0   0 0 0 0   10, 0 
   
A solução do problema de programação linear fornece a
seguinte reprogramação e fluxos:
∆P+ = [2,5 0 0]T ∆P- = [0 2,5 0]T
Pf = [7,0 -9,5 -10,0 -5,5 4,5 3,5]T
com um custo total de $ 50.
210
Uma alternativa é formular o problema de FPO na forma

compacta eliminando os ângulos de fase
Pf = Sf (P + P+ − P- ) = Pf0 + Sf ( P+ − P- )
   
 6,82   0, 4828 − 0, 3448 0, 4138 0, 3448 
   
 − 8, 47   0,1034
   0,0689 − 0, 4828 − 0,0689   0


    
 − 10,86   0, 4138 0,2759 0,0689 − 0,2759   0 

=  + 
   
 − 5,67   0, 4828 0,6552 0, 4138 0, 3448   PG+3 − PG−3 
    
 3,03   0,1034
   0,0689 0,5172 − 0,0689   PG+4 − PG−4 
    
 3,17   0,5172 0, 3448 0,5862 0,6552 
   
Obviamente, ambos os problemas de FPO fornecem solu-
ções idênticas.
Uma técnica heurística alternativa para o FPO consiste em
usar os fatores de distribuição da linha sobrecarregada L3,
PLi 3 = PL3 − PL03 = −10, 0 − ( −10, 86 ) = 0, 86 = ρ Li 3 Pi
ρ Li 3 = 0, 0689 P3 = 12, 48 ρ LG34 = - 0, 2789 P4 = −3,12
que significa aumentar a geração de potência ativa em 1.248
MW, ou alternativamente, diminuir a geração do gerador 4 em
312 MW. Em ambos os casos, o desequilíbrio é compensado
pelo gerador da barra de folga.
Também pode-se incluir considerações econômicas no
processo anterior. Como um exemplo, considera-se que deva ser
evitado um incremento de geração na barra de folga devido ao
seu custo elevado. Nesse caso, a potência não fornecida pelo
gerador 4 deve ser fornecida pelo gerador 3:
PLi 3 = 0, 86 = ρ Li 3 PL3 + ρ LG34 P4 P3 = − P4 = 2, 49
Observa-se que esta última solução heurística coincide com
a solução do FPO.
211
Exemplo 3.9
Considera-se que o sistema de cinco barras do exemplo 3.8
está no estado apresentado na figura 3.13.
Figura 3.13: Sistema de cinco barras do exemplo 3.9.
Os fluxos de potência neste estado, calculados usando o

modelo CC, são os seguintes:
 0, 4828 − 0, 3448 0, 4138 0, 3448   − 1, 35 
 
   
 0,1034 0,0689 − 0, 4828 − 0,0689   − 25,0   − 9,93 
    
 0, 4138 0,2759 0,0689 − 0,2759   − 3,0   − 13, 72 
Pf =    = 
 0, 4828 0,6552 0, 4138 0, 3448   13,0   − 4, 35 
   
 0,1034 0,0689 0,5172 − 0,0689   12,5   3,07 
    
 0,5172 0, 3448 0,5862 0,6552   1,85 
   
Ressalta-se que existe uma sobrecarga elevada na linha L3,
e que L2 está praticamente no limite (1.000 MW).
QD QG
(MVAr) (MVAr)
1 2.500 750 - - 0,95
2 300 100 - - 0,96
3 0 0 1.300 479 1,05
212
QD QG
(MVAr) (MVAr)
4 0 0 1.250 597 1,03
5 0 0 356 299 1,03
Tabela 3.14: Dados de geração do sistema do exemplo 3.9.
Neste caso, um corte de carga ∆Pd é necessário para eli-

minar a sobrecarga. Obviamente, esse corte de carga deve ser
o mínimo necessário para eliminar a sobrecarga e, consequen-
temente, um custo muito maior que o maior custo de despacho
de um gerador deve ser atribuído a este corte de carga. Assim, o
problema FPO pode ser formulado como:
• Função objetivo
 + 
 PG 3 
 
cuT + + cdT P- clsT Pd =  10 10 20   PG+4  +
 
 PG+5 
 
 
 PG 3 
−
 10 10 20   P −  +  100 100 

   G4
  
 PG−5 
 
 P 
 D1 
 
 P D2 

P+ ≥ 0 P- ≥ 0 PD ≥ 0
• Equações de rede: P + ∆P+ - ∆P- = B θ
 − 25,00 + PD1   250 − 100 − 50 − 100   
 θ1 
    
 − 3,0 + PD 2   − 100 150 0 0  θ2 
  =   
 13,0 + PG+3 − PG−3   − 50 0 100 − 50   θ3 
  
  
 12,5 + PG+4 − PG−4   − 100 0 − 50 200   θ4 


e a equação adicional para a geração na barra de folga.
213
(13,0 + PG+3 − PG−3 ) + (12,5 + PG+4 − PG−4 ) + ( 2,5 + PG+5 − PG−5 )

= 28 − PD1 − PD2
• Limites
  − 
15,0   13,0 + PG 3 − PG 3   2,5 
+

     
 15,0  ≥  12,5 + PG+4 − PG−4  ≥  2,5 
   

 10,0   2,5 + PG+5 − PG−5   2,5 
    
 − 10,0   100 − 100 0  10,0 

   0  
 
− 10,0   50   10,0 

   0 − 50 0   θ 1  
 
 − 10,0   100 0    10,0 
 0 − 100   θ 2 
 ≤   ≤ 
 − 10,0   0 50 0 0   θ3   10,0 
      
 − 10,0   0 0 50 − 50   θ 4


  10,0 
   
 − 10,0   0 0 0 0   10,0 
   
A solução do problema de programação linear anterior for-
nece as seguintes ações corretivas e fluxos de potência:
∆P+ = [2,00 0 6,00]T ∆P- = [0 10,00 0]T
∆Pd = [2,0 0]T
Pf = [-3,0 -10,0 -10,0 -6,0 5,0 -2,5]T
Os geradores G3 e G5 incrementam suas potências ativas,
enquanto o gerador G4 diminui a geração. Também existe um
corte de carga de 200 MW na barra 1,
Observa-se que diferentes custos de corte de carga podem
ser atribuídos a cada barra, introduzindo discriminação entre
consumidores.
Exemplo 3.10
O sistema do exemplo 3.7 está no estado mostrado na figu-
ra 3.10. Nota-se que as tensões excessivamente baixas nas barras
1 e 2 (0,91 e 0,94 em pu, respectivamente) devem ser corrigidas.
214
Para evitar grandes desvios nas variáveis de decisão em re-

lação aos valores iniciais, deve-se usar uma penalização quadrá-
tica nas ações de controle como função objetivo:
F = (∆V4)2 + (∆V5)2 + (∆a)2 + (∆Qc)2
Onde V4 = 1,0 + ∆V4, V5 = 1,0 + ∆V5, a = 1,0 + ∆a e
Qc = 0,0 + ∆Qc.
As restrições são as mesmas do exemplo 3.7, com duas
exceções:
PG4 = 10,0, isto é, a potência ativa é fixada em 1.000 MW,
e PG5 (a barra de folga) deve assumir qualquer desequilíbrio
de potência.
A solução para o problema de otimização, arredondando a
posteriori o valor das variáveis de controle discretas, fornece o
estado mostrado na figura 3.14.
Figura 3.14: Rede de cinco barras do exemplo 3.10 após corrigir os limites de tensão violados.
Os seguintes comentários sobre a solução do FPO podem

ser feitos:
A função objetivo é uma combinação de diversas variáveis
de magnitudes físicas diferentes (tensões de geração, relação de
transformação de transformador e potência reativa de um ban-
215
co de capacitores) com diferentes escalas e margens, ainda que

sejam representadas em pu. Nota-se que o banco de capacitores
não foi usado, apesar de ser uma fonte local de potência reativa
localizada em uma barra de baixa tensão, como o resultado da
escala das variáveis de controle nessa função.
O uso da penalização quadrática das ações de controle na
função objetivo não evita um elevado número dessas ações. Na
verdade, todas essas ações de controle foram usadas, exceto o
banco de capacitores.
As medidas corretivas produzem uma redução do custo
devido a uma redução das perdas, como resultado das tensões.
O novo custo de produção é de $ 21.370/h, representando uma
economia de $ 20/h quando comparado com o custo inicial.
Exemplo 3.11
Neste exemplo, os problemas de tensão do exemplo 3.7 (fi-
gura 3.10), corrigidos no exemplo 3.10 usando um FPO, serão
corrigidos usando sensibilidade. Inicialmente, as sensibilidades
de tensões problemáticas com relação às ações de controle dis-
poníveis são encontradas usando uma aproximação linear das
equações de potência reativa da barra,
Qi
Iri = = ∑ j Vj [ Gij sen θ ij − B ij cos θ ij ] ≈ ∑ j − BijVj
Vi
onde I r i é a corrente reativa injetada na barra i. a expres-
são anterior pode ser escrita na forma matricial, separando as
barras de geração e demanda:
 
 I   BD , D BD ,G   V 
 rD  =    D 
    
 I rG   T   VG 
 BD ,G BG ,G 

 I   116,3616 − 50,0 − 66,3716 0
 r1  
   − 50,0 216 148,9999 0 −99,0099
 Ir2  
  
 I r 3   −66,3717 0 193,4105 −47,0588
=
 
 I rD   BD , D BD ,G   V 
  =  D 
     VG 
 I rG   T 
 BD ,G BG ,G 

 I   116,3616 − 50,0 − 66,3716 0 0 
  V1 
 r1   
   − 50,0 148,9999 0 −99,0099 0   V2 
 Ir2  

   
 Ir 3   −66,3717 0 193,4105 −47,0588 −80,0   V3 
  =   

   
   
 Ir 4

 
  0 −99,0099 −47,0588 193,1075 −47,0588   V4 
 Ir5   
   0 0 −80,0 −47,0588 127,0388   V5 

Em seguida, analisa-se o efeito de cada variável de controle

sobre as tensões problemáticas.
• Banco de capacitores: a conexão do banco de capaci-
tores significa a injeção de uma corrente reativa I r 2 ,
enquanto as tensões dos geradores permanecem cons-
tantes (∆V4 = ∆V5 = 0). Consequentemente,
VD = BD−1, D Ir D ; Ir G = BDT ,G BD−1, D I r D
200 MVAr (a potência reativa na tensão nominal) estão dis-
poníveis na barra 2. Os termos de interesse são:
 V   0,00437 
 1     I   − 0,88021 
     r4  =   I
 V2  =  0,00818  I ;
 2  I r 5   − 0,11994  2
r r
  
 V3   0,00150     
 
A corrente reativa fornecida pelo banco de capacitores de-
penda da tensão de barra:
I r 2 = Q 2 / V2 = 2, 0 V22 / V2 = 2, 0 V2
Considerando que, antes de conectar o banco de capacito-
res, V2 = 0,942,
∆V2 = 0,00818 x 2,0 x (0,942 + ∆V2)
produzindo V2 = 0, 0157 e I r2 = 1, 9154 . Então
 V V2 V3  =  0,0084 0,0157 0,0029 
 1
 
 I   
I r 5  =  − 1, 686 − 0, 23 
 r4
  
217
Nota-se que a conexão de 200 MVAr na barra 2 corrigiria

a tensão V2 (V2 = 0,958) e também melhoraria V1 (V1 = 0,917).
Além disso, os geradores injetariam menos potência reativa.
• Geradores nas barras 4 e 5: considerando ∆ = 0,
Vc = BC−1,C BC,G VG ; I r G = − BCT ,G BC−1,C BC,G VG
produzindo
 V   0,64283 0,35743  
 1   
    V4
 V2  =  0,88021 0,11994   

    V5 
 V3   0,46391 0,53629  
 
   84,12692 − 84,17143   
 Ir 4  =  V4 
    
 I r 4   − 84,17143 84,13593   V5 

Nota-se que levar V1 para dentro dos limites (∆V1 = 0,041)
produz uma variação de V4, ∆V1 = 0,064, e o gerador ficaria
sobrecarregado ( I r 4 = 5, 366 ). Alternativamente, ∆V5 = 0,115
seria necessário, e V5 ficaria fora de seu limite superior. No en-
tanto, uma ação combinada de ambos os geradores é necessária.
• Relação de transformação de transformadores: a ação
executada sobre a relação de transformação do trans-
formador pode ser modelada como a injeção de potên-
cia reativa em ambos os extremos:
∂Qij VV 2B V 2
=
i j
(Gij sen θ ij − Bij cos θ ij ) − ij i
∂a a a
∂Qij VV
=−
i j
(Gji sen θ ji − Bji cos θ ij )
∂a a
Utilizando algumas aproximações usuais, as equações an-
teriores assumem a seguinte forma:
 BijVj 2Vi Bij  B jiVi
I ri =  −  a; I ri = a
 a a  a
218
produzindo
      
 V1   0,01302 0,00437 0,00447   57,4115   0,4779 
      

 V2  =  0,00437 0,00818 0,00150   0  a =  0,1604  a
  
      
 V3   0,00447 0,00150 0,00670   − 60,3319   − 0,1479 
 
      
Como consequência, um incremento de ∆a ≈ 0,086 ≈ 0,09
seria requerido para corrigir V1. Contudo, tal ação reduziria V3
em ∆V3 = -0,013, no extremo oposto do transformador, criando
um novo problema nessa barra.
Nenhuma das ações corretivas possíveis, discutidas antes,
é capaz de corrigir a tensão na barra 1 sem violar outros limi-
tes operacionais. Assim, são necessárias várias ações corretivas.
Neste exemplo, parece razoável conectar o conjunto de banco
de capacitores, desde que V2 seja também baixa. Após esta ação,
as tensões assumem os valores:
[V1 V2 V3] = [0,917 0,958 0,956]
Depois, é necessário escolher entre os dois geradores e o
transformador. Como o gerador G5 tem a maior margem de po-
tência reativa, sua tensão deve ser elevada, V5 = (0,95 – 0,917) /
0,35743 ≈ 0,093, produzindo
[V1 V2 V3] = [0,950 0,969 1,001]
A figura 3.15 mostra o estado final do sistema encontrado
usando um programa de fluxo de carga, após realizar ambas as
ações de controle. Nota-se que os erros de linearização são acei-
táveis e que a maior potência reativa é fornecida pelo banco de
capacitores devido a um maior incremento da tensão V2.
219
Figura 3.15: Rede de cinco barras do exemplo 3.11. Estado após a correção de problemas de
tensão.
Exemplo 3.12
O sistema do exemplo 3.3 é vulnerável para uma saída da
linha L2 , conectada entre as barras 1 e 3. Neste exemplo, são
necessárias ações corretivas pós-contingência, assim como me-
didas preventivas, que devem ser executadas para que o sistema
se sustente após essa contingência.
As ações de controle são o redespacho da geração no esta-
do pré-contingência ( Ppi e Ppi ), o redespacho da geração no
+ −
estado pós-contingência ( Pci e Pci ) e o corte de carga pós

+ −
contingência (∆Pdi).
Usando o modelo CC para as equações de rede, o FPORS
pode ser formulado como a seguir.
Função objetivo: é realizada uma penalização linear da mu-
dança de geração ($ 10/MW para os geradores 3 e 4, e $ 20/MW
para o gerador 5). A reprogramação da geração pós-contingên-
cia não é penalizada, e uma elevada penalização é dada para o
corte de carga pós-contingência ($ 100/MW).
220
 +     
 PP 3   PP−P3+3
P   PP 3
−

 10 10 20   P +  +  10 10 20  −+   
    Pd 1  −  
P 4 +  1000 1000  
   P 4
 10
 10 20   PP 4 +  10 10 20
P    Pd 2 PP 4  +  10
 PP+5   
PP−5+     
  
PP 5   PP 5 
−
 
PP+ ≥ 0 PP− ≥ 0 Pd ≥ 0 +
PP ≥ 0 PP ≥ 0 Pd ≥ 0
−
Restrições:
Equações da rede antes da contingência: P + PP+ − PP− = B θ p
PP+ − PP− = B θ p
 − 15,0    
   250 − 100 − 50 − 100   θ p1 
     
 − 5,0   − 100 150 0 0  θ p2 
 = 
 10,0 + PP+3 − PP−3   − 50 0 100 − 50  

θ p3 
    
 −  
 7,5 + PP 4 − PP 4   − 100 0 − 50 200   θ p4
+

e a equação adicional para incluir o gerador da barra de
folga
(10,0 + PP+3 − PP−3 ) + ( 7,5 + PP+4 − PP−4 ) +
(2,5 + PP+5 − PP−3 ) = 20,00
Equações de rede após a contingência: P + PP+ − PP+ + PC+ − PC+
PP+ − PP+ + PC+ − PC+ + Pd = Bc θ c
 − 15,0 + Pd 1     θ p1 
   200 − 100 0 − 100  
    
 − 5,0 + Pd 2   − 100 150 0 0  θ p2 
  = 
 10,0 + PP+3 − PP−3 + PC+3 − PC−3   0 0 50 − 50

 θ p3 
    
 −  
 7,5 + PP 4 − PP 4 + PC 4 − PC 4   − 100 0 − 50 200   θ p4
+ − +
 
e
(10,0 + PP+3 − PP−3 + PC+3 − PC−3 ) + ( 7,5 + PP+4 − PP−4 + PC+4 − PC−4 ) +
(2,5 + PP+5 − PP−5 + PC+5 − PC−5 ) = 20 − Pd1 − Pd2
Limites de geração
221
  
15,0   10,0 + PP 3 − PP−3   2,5 
+

     
 15,0  ≥  7,5 + PP+4 − PP−4  ≥  2,5 
   

 10,0   2,5 + PP+5 − PP−5   2,5 
  
  
15,0   10,0 + PP 3 −PP−3 + PC−3 − PC−3   2,5 
+
   
  
 PP−4 + PC+4 − PC−4  ≥  2,5 
15,0  ≥  7,5 + PP+4 −
   

 10,0   2,5 + PP+5 −
PP−5 + PC−5 − PC−5   2,5 
  
Limites de fluxo de potência: − Pf ≤ Pf = X A θ ≤ P f
mín -1 T mín
 − 10,0   100 − 100 0   10,0 


   0   
  θ   
 − 10,0   50 0 − 50 0   p1   10,0 
     

 − 10,0   100 0 0 − 100   θ p 2   10,0 
 ≤  ≤
 − 10,0   0 50 0 0   θ p 3   10,0 
   
50 − 50   θ p 4   10,0 
 − 10,0   0 0

    
 − 10,0   0 0 0 50   10,0 
   
   
 − 10,0   100 − 100 0 0   θ   10,0 
     p1   10,0 
 − 10,0   50 0 − 50 0 
    θ p 2   

 − 10,0  ≤  0
 50 0 0  ≤  10,0 
  θ 

 − 10,0   0 0 50 − 50   p 3   10,0 
   
0 50   θ p 4   10,0 
 − 10,0   0 0
  
A solução do FPORS anterior fornece o seguinte plano de
emergência:
Pd1 = 300 MW PC+4 = 500 MW
PC+5 = 750 MW Pd1 = 300 MW
Observa-se que não são necessárias ações preventivas.
Os fluxos de potência ativa após as ações de emergência
são mostrados na tabela 3.15:
222
Fluxo de carga
Fluxo de carga CA
Barra CC
Pf Pij Pji
L1 1 - 2 -200 -202,1 203,0
L2 1 - 3 - - -
L3 1 - 4 -1000 -997,9 1027,6
L4 2 - 5 -700 -703,0 728,0
L5 3 - 4 450 450,0 -442,7
L6 4 - 5 -300 0334,9 339,1
Tabela 3.15: Dados do fluxo de potência para o exercício 3.12.
As ações de emergência pós-contingência encontradas in-

factíveis, já que elas requerem elevada reprogramação da gera-
ção, e pode ser difícil ou às vezes impossível implementá-las
em um tempo razoável. Em consequência, o problema pode ser
reformulado incorporando restrições adicionais sobre as ações
de pós-contingência. Isso supõe que pode ser considerado im-
possível implementar mudanças na geração para valores maiores
que 200 MW em um tempo aceitável. A solução do FPORS,
incluindo as restrições adicionais (∆Pci ≤ 2,0 pu), produz os se-
guintes resultados:
Ações preventivas: Pc+5 , Pp−4 = 350 MW e Pp+3 = 300 MW .
Ações corretivas pós-contingência: Pc5+ = 100 MW ;
Pc−4 = 200 MW ; Pc−3 = 200 MW e Pd1− = 300 MW .
Exemplo 3.13
O sistema de cinco barras, mostrado na figura 3.5, é vulne-
rável com a saída da linha L3, conectada entre as barras 1 e 4. O
objetivo deste exemplo é encontrar as ações preventivas usando
fatores de distribuição.
223
A ação preventiva possível é a reprogramação dos geradores

( P e Pp− ) . Além disso, os fatores de distribuição devem ser
p
+
usados para incorporar restrições no problema de otimização:

Fluxos de potência pré-contingências: ∆Pf = Sf ∆Pg
 P1,2   0, 4138 0, 3448 
   
 P1,3   −0, 4828 −0, 0690 
 P1,4   0, 0690 −0, 2759   PP+3 − PP−3 
 =  
 P2,5   0, 4138 0, 3448   PP+4 − PP−4 
 P3,4   0, 5172 −0, 0690 
 P4,5   0, 5862 0, 6552 
  
Fluxos de potência pós-contingência: Pf' = S 'f Pg
 P1,2'   0, 4444 0, 2222 
   
 P1,3'   −0, 4444 −0, 2222 
 P1,4'   0, 0 0, 0  PP+3 − PP−3 
 =  
 P2,5'   0, 4444 0, 2222   PP+4 − PP−4 
 P3,4'   0, 5556 −0, 2222 
   
 P4,5
'
  0, 5556 0, 778 
Em consequência, o problema FPORS pode ser formulado
como a seguir:
Função objetivo: penalização linear das mudanças de ge-
ração ($ 10/MW para os geradores 3 e 4, e $ 20/MW para o
gerador 5).
 PP+3   PP−3 
   
 10 10 20   PP+4  +  10 10 20   PP−4 
 
 PP+5   PP−5 
   
PP+ ≥ 0 PP− ≥ 0
Restrições:
224
Sobre os fluxos de potência pós-contingência − Pfmáx ≤ Pf ≤ P fmáx

− Pfmáx ≤ Pf ≤ P fmáx , onde
Pf = Pf 0 + Pf = Pf 0 + Sf Pg
Os fluxos de potência iniciais, Pf 0 , encontrados usando o
fluxo de carga CC, são
Pf 0 =  120, 7 − 724,1 − 896,6 − 379, 3 275,9 129, 3  MW
T
 
Sobre os fluxos de potência pós-contingência − Pfmáx ≤ Pf' ≤ Pfmáx
− Pfmáx ≤ Pf' ≤ Pfmáx , onde
Pf' = Pf' 0 + Pf' = Pf 0 + ρ L 3 PfL03 + S 'f Pg
Pf' 0 são os fluxos de potência após a contingência sem
mudanças na geração, e ρL3 são os fatores de distribuição para a
saída da linha L3.
Balanço de potência na rede sem levar em conta as perdas,
necessárias para incluir o gerador da barra de folga,
(10,0 + PP+3 − PP−3 ) + ( 7,5 + PP+4 − PP−4 ) +
(2,5 + PP+5 − PP−5 ) = 20
Limites de geração
 15, 0   10, 0 + PP+3 − PP−3   2, 5 
     
 15, 0  ≥  7, 5 + PP 4 − PP 4  ≥  2, 5 
+ −
 15, 0   2, 5 + PP+5 − PP−3   2, 5 

     
O problema FPORS anterior produz a seguinte reprogra-
mação preventiva: PP−3 = 500 MW e PP+4 = 500 MW , com
um custo adicional de operação de $ 15.000/h
Os fluxos de potência para o caso base, após a implanta-
ção das medidas preventivas e após a contingência, encontrados
usando um fluxo de carga CC (Pf ) e um fluxo de carga CA (Pij e
Pji) em todos os casos, são mostrados na figura 3.16.
225
Estado
Caso base Ações preventivas
Linha pós-contingência
Pf Pij Pji Pf Pij Pji Pf Pij Pji
L1 1 - 2 120 96 -96 -86 -92 -92 -500 -530 541
L2 1 - 3 -724 -699 721 -482 -476 488 -1000 -969 1043
L3 1 - 4 -896 -897 920 -931 -931 955 0 0 0
L 4 2 - 5 -379 -403 414 -586 -592 609 -1000 -1041 1118
L5 3 - 4 275 278 -275 17 11 -11 -501 -543 556
L6 4 - 5 129 105 -105 -164 -193 195 249 194 -192
Tabela 3.16: Tabela de fluxos de potência para o exemplo 3.13.
Figura 3.16: Rede de cinco barras após a saída da linha L3.
As seguintes observações na solução do FPORS podem ser

consideradas:
A solução encontrada usando o modelo CC é uma aproxi-
mação adequada para propósitos práticos. Entretanto, o efeito
das simplificações realizadas deve ser considerado. Nota-se, por
exemplo, que o estado pós-contingência apresenta sobrecargas
nas linhas L2 e L 4, já que elas representam um corredor com
226
uma capacidade total de 2.000 MW, e devem transmitir 2.000

MW mais as perdas em ambas as linhas, e na linha L1.
O modelo CC considera somente as potências ativas, e,
consequentemente, a viabilidade dos diferentes estados deve ser
verificada em relação às tensões e aos fluxos de potência re-
ativa. Observa-se que o estado pós-contingência (figura 3.16)
apresenta tensões excessivamente baixas, colocando em dúvida
a viabilidade desse estado.
Exemplo 3.14
Neste exemplo, deve ser calculado o perfil ótimo de tensão
para minimizar as perdas da transmissão do sistema mostrado
na figura 3.10. A programação da geração é escolhida previa-
mente (PG4 = PG5 = 1.000 MW). Além disso, o gerador G5 as-
sume o desequilíbrio de potência, e o custo de produção inicial
é de $ 21.390/h.
As variáveis de decisão são os pontos de operação dos ge-
radores, do banco de capacitores de 200 MVAr (em 20 passos de
10 MVAr) e da relação de transformação do transformador (em
21 passos com incremento de 0,01 pu).
A função objetivo é a soma das perdas individuais em to-
das as linhas e transformadores:
Pperdas = ∑ i , j −Gij (Vi 2 + Vj2 − 2 Vi Vj cos θ ij )
que é equivalente, neste caso, à potência gerada na barra de
folga, considerando que PG5 = 1000 + Pperdas.
a solução do problema FPO, sujeito às mesmas restrições
do exemplo 3.7, produz o estado mostrado na figura 3.17.
227
Figura 3.17: Perfil ótimo de tensão para o sistema de cinco barras e dois geradores.
Os seguintes comentários podem ser feitos em relação à

solução do FPO:
As variáveis de controle discretas foram arredondadas a
posterior, atualizando o estado final, através do uso de um pro-
grama de fluxo de carga.
As perdas diminuíram para 9,3 MW, de 69,2 MW para 59,5
MW, representando uma economia de $ 95/h comparada com
o caso base. Observa-se que o ótimo em relação aos custos de
geração (exemplo 3.10) produz um redução de custos de $ 10/h.
Os multiplicadores de Lagrange correspondentes às equa-
ções de fluxo de potência ativa fornecem os coeficientes de per-
das incrementais,
λT = [1,103 1,062 1,071 1,041 1,000]
Ressalta-se que o coeficiente de perda incremental da barra
de folga, a única que assume as perdas, é igual a um.
Exemplo 3.15
Considerando-se um sistema simples de duas barras, onde
em cada barra há um gerador e uma carga constante (esta confi-
guração pode representar duas áreas de um sistema). As barras
228
se encontram interconectadas por uma linha com impedância

igual a zero. O gerador 1 tem uma capacidade de 120 MW e um
custo incremental de $ 15/MWh; o Gerador 2 tem uma capaci-
dade de 200 MW e um custo incremental de $ 25/MWh. Cada
carga é de 60 MW. Assumindo que ambos os geradores ofertam
seus custos incrementais, se quer conhecer o custo da cara for-
necida para os dois casos seguintes:
i. Sem limites de fluxo de potência;
ii. Com limite de fluxo de potência de 40 MW.
Sem limites de fluxo de potência de transferência: neste
caso, as duas cargas (um total de 120 MW) são atendidas pelo
Gerador 1, que é o de menor custo, a um custo de Ca = 120 x
5 = $ 1.800/h. O fluxo de potência, através da linha é P1,2 = 60
MW, como é mostrado na figura 3.18, item a).
Figura 3.18: Sistema elétrico de duas barras: a) Não existe limite sobre o fluxo de potência, b)
Existe um limite de fluxo de potência de 40 MW.
Com limite de 40 MW no fluxo de potência de transferên-

cia: o gerador 1 fornece os 60 MW para a carga 1 e, devido ao
limite no fluxo de potência na linha, fornece apenas 40 MW
para a carga 2; o gerador 2 fornece 20 MW para atender com-
pletamente a carga 2. O custo total neste caso é Cb = 100 x 15 +
20 x 250 = $ 2.000/h, como é mostrado na figura 3.18, item b).
229
Para o caso em que existe limite na potência de transferên-

cia, nota-se que
O custo de congestionamento (isto é, o custo para evitar
o congestionamento) é igual a CC = Cb – Ca = $ 200/h; isto é,
o congestionamento originou uma ineficiência do mercado de
11,11% em relação ao caso de fluxo de potência sem limite.
O gerador 2 tem agora um poder de mercado ilimitado
e pode aumentar o custo de sua oferta como quiser, e ainda a
Carga 2, que é inelástica, deve precisar de 20 MW desse gerador.
Se a carga 2 for elástica (isto é, sensível ao custo da energia),
então essa carga deve ser reduzida para 40 MW.
Exemplo 3.16
Considerando-se o sistema de três barras mostrado na figu-
ra 3.19. As barras 1 e 2 são barras geradoras, e a barra 3 pode ser
uma carga inelástica (isto é, carga constante com preço elástico
igual a zero em relação ao preço), ou uma carga com preço elás-
tico dado por PD3 = PC3 + PE3. As reatâncias indutivas das linhas
são iguais a x12 = 0,25, x23 = 0,20 e x13 = 0,45; as reatâncias das
linhas são insignificantes.
Figura 3.19: Sistema de potência de três barras do exemplo 3.16.
230
Os custos de produção dos geradores e o benefício do con-

sumidor na barra 3 são os seguintes:
C1 = α 1 P1 + β1 P12 , C 2 = α 2 P2 + β 2 P22 , W3 = α 3 PE S
Assim, a função benefício social a ser maximizada é W3 -
(C1 + C2); ou, equivalentemente, deve-se minimizar
f = ( C1 + C 2 ) − W3 = α 1 P1 + β1 P12 + α 2 P2 + β 2 P22 − α 3 PE S
Assumindo-se os seguintes dados adicionais: α1 = α2 = 0,
β1 = 1, β2 = 1,675, α3 = 30 e PC3 = 5.
Primeiro caso: sem restrições de fluxo. Define-se as suscep-
tâncias de linhas e de transformadores como bij = -1/xij; assim a
matriz de susceptância de barra é a seguinte:
 −b − b b12 b13   6,2222 − 4,0 − 2,2222 
 12 13   
   
B= b12 − b12 − b23 b23  =  − 4,0 9,0 − 5,0 
   
 b13 b23 − b22 − b13   − 2,2222 − 5,0 7,2222 
 
As equações de fluxo de carga CC (P = Bˆ θˆ ) são
 P   −b − b   b12 θ 2 + b13θ 3 
 1   b23 b13   
  θ 2  
12 13
   
 P2  =  b12 −b12 − b23 b23   =  − (b12 + b23 ) θ 2 + b23 θ 3 
     θ3   
 P3   b13 b23 −b23 − b13     b θ − b +b θ 
 23 3 ( 23 13 ) 3 
onde P3 = − PD3 = − PC3 − PE S

O lagrangiano pode ser escrito da seguinte forma:
L1 = α1 P1 + β 1 P12 + α 2 P2 + β 2 P22 − α 3 PE 3 +
λ 1 [ b12 θ 2 + b13 θ 13 − P1 ] + λ 2  − ( b12 + b13 ) θ 2 + b23 θ 3 − P2  +
λ 3  b23 θ 2 − ( b23 + b13 ) θ 3 − PE 3 
Neste caso, não existem limites de fluxo (ou não existem
restrições de fluxo ativas); portanto, os multiplicadores de La-
grange µk são iguais a zero.
231
As condições de otimalidade de KKT produzem o sistema

linear de equações H1 y1 = q1, onde
 2β 0 0 0 0 −1 0 0 
 1 
 
 0 2 β 2 0 0 0 0 − 1 0 
 
 0 0 0 0 0 0 0 1 
 
 0 0 0 0 0 b12 −b12 − b23 b23 
H1 =  
 0 0 0 0 0 b13 b 23 − b13 − b23 
 
 −1 0 0 b b 0 0 0 
 12 13

 0 − 1 0 −b12 − b23 b23 0 0 0 
 
 0 0 1 b − b − b 0 0 0 
 23 13 23 
y1 =  P1 P2 PE 3 θ 2 θ 3 λ1 λ 2 λ 3  ,
T
 
q 1 =  −α1 −α2 −α3 0 0 0 0 − PC 3 
T
 
Após a substituição, o sistema de equações H1 y1 = q1
produz os seguintes resultados: P1 = 15,0, P2 = 8,9552, PE 3 =
18,9552, θ2 = -1,3775, θ3 = -4,2705, λ1 = 30, λ2 = 30 e λ3 = 30.
O valor da função objetivo minimizada é f = -2.209,3284.
*
O preço elástico da carga na barra 3 é PD3 = PC3 = PE 3 =

23,9552. Os fluxos de potência ativa são P12 = 5,51, P13 = 9,4900
e P23 = 14,4652.
Nota-se que todas as variáveis λi têm o mesmo valor, λi =
30. Portanto, os custos de transmissão são iguais a zero, isto é,
t12 = t23 = t13 = 0.
Segundo caso: com restrição de fluxo na linha (2, 3), P23máx
= 10. O lagrangiano neste caso assume a seguinte forma:
L 2 = L1 + µ 23 ( − b23 θ 2 + b23 θ 3 − P23máx )
As condições de otimalidade de KKT produzem o sistema

linear, H2 y2 = q2 , onde a matriz H2 é a matriz H1 do caso ante-
rior, aumentada na última linha e coluna, isto é,
232
 H1 h2 
H2 =  T 
 h2 0 
T
h2 =  0 0 0 − b23 b23 0 0 0 
 
T
y 2 =  P1 P2 PE 3 θ2 θ3 λ1 λ 2 λ3 µ 23 
 
T
q 2 =  −α 1 −α 2 −α 3 0 0 0 0 − PC 3 P23máx 
 
Após a substituição, o sistema de equações H2 y2 = q2
produz os seguintes resultados: P1 = 11,3470, P2 = 5,5627,
PE 3 = 11, 9096 , θ2 = -1,1093, θ3 = -3,1096, λ1 = 22,6939, λ2 =
18,9350, λ3 = 30 e µ23 = 14,6122. O valor da função objetivo
minimizada é f = -176,7054.
*
O preço elástico da carga na barra 3 é PD3 = PC3 = PE 3 =

16,9096. Os fluxos de potência ativa são P12 = 4,4373, P23 = 10,0
e P13 = 6,9096.
Os custos de transmissão são iguais t12 = -4,0589, t23 =
11,3665 e t13 = 7,3061.
O pagamento total para os geradores, TG, e a despesa to-
tal da carga, T D, são, respectivamente, TG = λ1 P1 + λ2 P2 =
361,1668 e T D = λ1 PD3 = 507,2888. Assim, a renda do conges-
tionamento é s = TD – TG = 146,1220.
Para uma pequena variação de P23máx , por exemplo, 0,05,
pode ser encontrado um valor aproximado de µ23 usando a
equação (3.44):
L=
∂ − 177, 4319 + 176, 7054
µ 23 = = 14, 5300
∂ P23
máx
0, 05
que é um valor bastante próximo de µ23 = 14,6122, encon-
trado através do processo de otimização.
233
É interessante observar a variação da solução devido às

mudanças no coeficiente de benefício do consumidor α3. Para
fins de ilustração, vai-se reduzir esse valor para α3 = 22 (do valor
original de 30), então, a nova solução é
y = [10,5028 6,1054 11,6081 -0,9737 -2,9737 21,0055
20,4530 22,00 1,9890]T
PD3 = 16,6081, P12 = 3,8946, P13 = 6,6081, P23 = 10,00
t12 = -0,5525, t13 = 0,9945, t23 = 1,5470,
TG = 344,4888 T D = 365,3788 s = 19,8900
O valor da função minimizada é f * = −82, 6344 .
Exemplo 3.17
Considerando-se outra vez o mesmo problema do sistema
do exemplo 3.16 e também duas transações bilaterais (1) entre o
gerador 1 e a carga 3: P1,3 = 15; (2) entre o gerador 2 e a carga 3:
P2,3 = 8,9552. Considera-se um limite de fluxo de 10, essa pro-
posta de despacho produz uma congestão na linha (2, 3), como
foi visto no exemplo 3.16.
 5, 5100 
 
P̂f =  9, 4900 
 14, 4652 
 
Se quer redespachar a transação bilateral para aliviar o
congestionamento.
Para fins de ilustração, se considera os seguintes custos c+
= [0,80 1,00]T e c- = [0,80 1,00]T.
Solução encontrada usando um software de PL
A matriz de sensibilidade barra-injeção é a seguinte
234
 0, 50 −0, 2222 
 
Ŝ =  0, 50 0, 2222 
 0, 50 0, 7778 
 
O problema de alívio econômico ótimo do congestiona-
mento pode ser formulado através do seguinte PL:
min {f = cT y  G y ≤ g}
onde
T
y= P1+ P2+ P1− P2− 
 
c = [0,8 1,0 0,8 1,0]T
g = [4,4900 0,5100 4,4652 0 0 0 0]T
 0, 50 −0, 2222 −0, 50 0, 2222 
 
 0, 50 0, 2222 −0, 50 −0, 2222 
 0, 50 0, 7778 −0, 50 −0, 778 
 
G =  −1 0 0 0 
 0 −1 0 0 
 0 0 −1 0 
 
 0 0 0 −1 
Usando um software de PL, se encontra a seguinte solução:

y = [0 0 0 5,7409]T
A função de custo no ponto ótimo é f = 5,7409. As novas
*
injeções de geração, de carga e de fluxos são

 6, 7857 
 15, 00   
Ŝ =   , PD3 = 18,2143, Pf =  8, 2143 
 3, 2143   10, 00 
 
Nota-se que a transação bilateral entre o Gerador 2 e a Car-
ga 3 é diminuída para 3,2143. Além disso, a transação bilateral
235
entre o Gerador 1 e a Carga 3 permanece em 15,00. A linha (2,

3) transfere a máxima potência permitida de 10,0.
Exemplo 3.18
Considerando-se o sistema elétrico de três barras e de três
linhas mostrado na figura 3.19, com os seguintes dados Z12 =
0,03 + j 0,3, Z23 = 0,06 + j 0,2, Z13 = 0,06 + j 0,2, P3 = -0,4 e
θ1 = 0.
A matriz de incidência nó-ramo e sua forma reduzida são
 −1 0 −1 
   1 −1 0 
A =  1 − 1 0  Aˆ = 
  

   0 1 1 
 0 1 1 
A matriz de sensibilidade , dada por X-1 AT B-1 onde
Bˆ = Aˆ X −1 Aˆ T , é a seguinte:
 − 3,3333 0  −1   
 0   1 0    −1  0,7500 0,3750 
   − 0,5 0,2
Ŝ =  0 − 5,0 0   − 1 1   
 =  − 0,2500 0,3750 
  0 1   0,2 − 0,4 
  
 0 0 − 5,0  0,2500 0,6250 
   
A matriz é
 0,0244 0,0122 
Mˆ = Sˆ T R f Sˆ =  

 0,0122 0,0361 
 
As perdas de potência ativa são
  
PL ≈ Pˆ T Mˆ Pˆ =  0,4 − 0,4   0,0244 0,0122   0,4  = 0,0058
   
  0,0122 0,0361   − 0,4 
  
236
UNIDADE • 04
Análise estática de segurança de
sistemas elétricos de potência
ANÁLISE ESTÁTICA DE SEGURANÇA DE
SISTEMAS ELÉTRICOS DE POTÊNCIA
Introdução à operação em tempo real de

sistemas de potência
Evoluções na operação de sistemas de potência
Em meados da década de 60, a operação de sistemas elétri-
cos de potência havia evoluído a ponto de se ter reconhecido a
necessidade de um controle central para todo o sistema sob a ju-
risdição de uma dada empresa. Este estágio foi alcançado a partir
do desenvolvimento de dois sistemas de controle e telecomando
que, por suas características, necessitavam de uma estrutura cen-
tralizada para sua implementação: o controle automático de gera-
ção e o controle supervisório. Na então nova estratégia centrali-
zada, os controles locais anteriormente desenvolvidos (regulação
de tensão e velocidade, chaveamentos, proteção, etc.) passaram a
integrar o nível mais baixo na hierarquia de controle, enquanto
que os controles centrais ocupavam o nível mais alto. Tornava-
se assim importante que fossem criados canais de comunicação
entre os níveis mais altos de controle e os controles locais.
O controle automático de geração, destinado a controlar
a geração das principais usinas do sistema de modo a manter a
frequência constante e igual a seu valor nominal, havia se de-
senvolvido significativamente na década de 50. Com a crescente
tendência à interligação entre sistemas de potência vizinhos, o
controle automático de geração passou também a controlar o
fluxo de potência nas linhas de interligação. Mais tarde, foi in-
corporado um laço mais externo a fim de otimizar os custos de
geração, o que se tornou conhecido como controle para despa-
241
4 Análise estática de segurança de sistemas elétricos de potência
cho econômico. Por sua natureza global, o controle automáti-

co de geração, com ou sem características econômicas, requeria
uma estrutura centralizada.
O controle supervisório, por sua vez, evoluiu de uma atu-
ação no nível regional/distrital para abranger todo o sistema.
Tradicionalmente este controle incorpora funções como o con-
trole remoto de abertura e fechamento de disjuntores e de dis-
positivos para regulação de tensão, tais como variadores de taps
de transformadores, capacitores, etc.
Ao final da década de 60, questões relacionadas à seguran-
ça de operação dos sistemas, como consequência de alguns bla-
ckouts ocorridos na costa leste americana, tornaram-se relevantes
a ponto de provocar uma mudança significativa na filosofia de
operação. A esta altura, o grau de interligação dos sistemas de
potência era tal que a tarefa dos operadores se tornava crescen-
temente difícil sem a disponibilidade de ferramentas adicionais
que processassem a grande quantidade de dados disponíveis e as
apresentassem ao operador de forma organizada. Coincidente-
mente, o mesmo período testemunhava um grande desenvolvi-
mento na área de computação, com o surgimento dos minicom-
putadores, e também na área de telecomunicações. A conjunção
destes fatores, quais sejam, as dificuldades para a operação de
sistemas de potência cada vez mais interligados e os importantes
desenvolvimentos tecnológicos em computação e telecomuni-
cações, propiciou o surgimento das funções ligadas à monito-
ração e análise de segurança. Ao final dos anos 60, os projetos
de sistemas de potência, motivados pela evidente necessidade de
se dispor de estratégias de controle e operação mais globais, co-
meçavam a englobar o problema de um ponto de vista sistêmico.
Deste reconhecimento, surgiu o novo conceito de operação de
sistemas de potência com considerações de segurança. Este con-
242
ceito partiu da constatação de que as ferramentas então disponí-

veis para auxiliar o operador do sistema nos complexos proces-
sos de tomada de decisão relativos à segurança do sistema eram
inadequadas. O objetivo do controle de segurança é manter o
sistema de potência operando, sem sobrecargas de equipamento
e atendendo a todos os consumidores, em qualquer condição
de operação. Para melhor caracterizar o conceito, é necessário
introduzir as noções de estados de operação.
Restrições de carga, operação e segurança –

estados de operação
A operação de um sistema de potência obedece a certas
condições que podem ser expressas sob a forma de dois conjun-
tos de restrições:
1 - Restrições de carga: estas restrições simplesmente tra-
duzem o fato de que o sistema de potência deve satis-
fazer a demanda da carga. Portanto, são restrições de
igualdade, expressas matematicamente como:
g (x, u) = 0 (4.1)
onde x e u são vetores de variáveis dependentes e de
variáveis de controle, respectivamente, e g é um vetor de fun-
ções não-lineares. A equação (4.1) corresponde na verdade às
equações de fluxo de potência em regime permanente para o
sistema considerado.
2 - Restrições de operação: as restrições de operação refle-
tem a necessidade de que os limites operacionais dos
equipamentos do sistema (linhas de transmissão, trans-
formadores, geradores, etc.) devem ser respeitados.
Como tal, são restrições de desigualdade, representadas
matematicamente por
h (x, u) ≤ 0 (4.2)
243
onde h é um vetor de funções não-lineares.

Se ambas as restrições de carga e operação são satisfei-
tas, diz-se que o sistema de potência está no estado normal de
operação. Ao responder às pequenas variações de carga usuais,
pode-se considerar que o sistema está passando de um estado
normal para outro, e que cada estado normal corresponde a uma
condição de regime permanente. Quando as restrições de car-
ga são satisfeitas, mas alguma restrição de operação está sendo
violada, diz-se que o sistema está no estado de emergência. O
estado de emergência é atingido como consequência da ocor-
rência de uma perturbação no sistema, tal como uma grande
variação de carga, um curto-circuito, uma perda de geração, etc.
como decorrência das ações de controle para aliviar um estado
de emergência, é possível que se atinja uma condição em que
as sobrecargas em equipamentos são aliviadas (e, portanto, as
restrições de segurança voltam a ser satisfeitas), porém às expen-
sas do não-atendimento de parte dos consumidores. Ou seja, as
restrições de carga deixam agora de ser atendidas. Esta situação
caracteriza o chamado estado restaurativo de operação.
O objetivo do controle de segurança é manter o sistema
operando no estado normal de operação, isto é, minimizar as
transições deste estado para os estados de emergência ou res-
taurativo. O que se costuma chamar de segurança do sistema é
a capacidade de um sistema de potência normal sofrer uma per-
turbação sem passar ao estado de emergência. Face a um dado
conjunto de perturbações, ou contingências, mais prováveis, o
estado normal de operação pode então ser adicionalmente ca-
racterizado como seguro ou inseguro. Na prática, esta carac-
terização requer que seja inicialmente elaborada uma lista das
contingências mais prováveis nas condições de operação corren-
te. Tais contingências podem incluir saídas de linhas, saídas de
244
geradores, etc., e são resultado de um processo chamado seleção

de contingências. Perante esta lista de contingências em poten-
cial, pode-se verificar se o sistema resiste ou não ao impacto de
cada uma das contingências da lista sem ingressar nos estados
de emergência ou restaurativo. Se s é um vetor de funções que
consiste de todas as restrições de operação e de carga para cada
contingência da lista, é possível caracterizar matematicamente
as restrições de segurança como:
s (x, u) ≤ 0 (4.3)
Assim, quando a desigualdade (4.3) é satisfeita, conclui-se
que o sistema não sairá do estado normal de operação na even-
tualidade de ocorrência de qualquer contingência da lista pré-
selecionada. Neste caso, diz-se que o sistema está no estado nor-
mal seguro. Se, por outro lado, for verificado que o sistema sairá
do estado normal na hipótese da ocorrência das contingências
da lista, diz-se que o estado de operação é normal inseguro ou
de alerta. A figura 4.1 representa um diagrama de transição en-
tre os diversos estados de operação de um sistema de potência.
Figura 4.1: Diagrama de transição de estados de operação de um sistema de potência.
245
Tendo em vista sua implementação prática, a análise de se-

gurança de sistemas de potência é composta de três etapas:
1 - Monitoração de segurança: esta etapa tem por objetivo
identificar qual o estado operativo corrente do sistema, a
partir de dados que abrangem todo o sistema de potên-
cia. A intervalos regulares de tempo, os dados obtidos
em tempo real são processados para se determinar as
condições de operação do sistema e possíveis violações
nas restrições de operação dadas pela equação (4.2). A to-
pologia atual da rede também é determinada nesta etapa.
2 - Análise de contingências: visa determinar a segurança
do sistema através do conjunto pré-selecionado de con-
tingências mais prováveis. Isto normalmente é realiza-
do através de alguma forma de simulação, ainda que
aproximada, destas contingências, utilizando-se para
isto do modelo do sistema de potência determinado em
tempo real. Embora seja desejável se realizar tanto a
análise estática de contingências quanto a análise dinâ-
mica de contingências (que detectaria possíveis tendên-
cias do sistema à instabilidade dinâmica em decorrência
das contingências), as dificuldades práticas de imple-
mentação desta última praticamente a inviabilizam.
3 - Controle preventivo: se, na etapa de análise de seguran-
ça, for detectado que o sistema está no estado inseguro
ou de alerta, a próxima providência é determinar como
levá-lo ao estado seguro, se isto for possível. Trata-se de
um problema de otimização onde se busca encontrar a
melhor condição de operação que satisfaz os três tipos
de restrições (4.1), (4.2) e (4.3). Assim, busca-se encon-
trar a melhor ação corretiva a ser sugerida ao operador
para tornar o sistema seguro.
246
Funções componentes da operação em tempo

real de sistemas de potência
A implementação da Monitoração de Segurança requer a
disponibilidade de um sistema de aquisição de dados que per-
mita a monitoração de variáveis de todo o sistema no centro
de operações. Este sistema conhecido pela sigla SCADA (Su-
pervisory Control and Data Acquisition), deve fornecer não apenas
telemedidas das variáveis relevantes do sistema (magnitudes de
tensão, fluxos e injeções de potência, etc.), as chamadas medi-
das analógicas. Informações relativas ao status de disjuntores
e chaves das subestações também devem ser transmitidas pelo
SCADA ao centro de operação do sistema. Estes dados são de-
nominados medidas digitais, já que traduzem apenas a condição
de abertura e fechamento de chaves e disjuntores.
Os aplicativos que constituem a monitoração em tempo
real de sistemas de potência estão representados na figura 4.2 e
são descritos a seguir:
1 - Configurador da rede elétrica: processa as medidas
digitais transmitidas pelo SCADA para determinar a
topologia atual da rede (isto é, o diagrama unifilar do
sistema de potência);
2 - Pré-filtragem: conjunto de testes de compatibilidade re-
alizados sobre os dados analógicos do sistema com o
objetivo de detectar as medidas flagrantemente errône-
as, que são em seguida descartadas para não comprome-
ter a modelagem em tempo real do sistema de potência;
3 - Estimação de estados: os dados de entrada para o es-
timulador de estados são: a topologia da rede, previa-
mente determinada pelo configurador, o conjunto de
telemedidas analógicas pré-filtradas e os parâmetros
da rede, armazenados em um banco de dados estático.
247
A estimação de estados é um conjunto de programas

computacionais que processam dados analógicos re-
dundantes e contaminados por ruído com a finalidade
de fornecer a melhor estimativa para as tensões com-
plexas nas barras do sistema. Para cumprir este obje-
tivo, a estimação de estados é composta de diversos
aplicativos destinados a: verificar se as informações
contidas nas telemedidas permitem o cálculo dos esta-
dos (análise de observabilidade), detectar e identificar a
possível presença de medidas espúrias (processamento
de erros grosseiros) e a estimação de estados propria-
mente dita.
4 - Monitoração de segurança: a partir da condição de ope-
ração corrente determinada pelo estimador de estados,
é possível se identificar se o estado de operação é nor-
mal, de emergência ou restaurativo. Isto é feito através
da verificação do comprimento das restrições de carga
(equação 4.1) e de operação (desigualdade 1.2). Se for
verificado que o sistema está no estado de emergência,
deve ser acionado o Controle de Emergência, que visa
aliviar a sobrecarga detectada em elementos da rede
através de medidas tais como manobras na rede, entra-
da em operação de geradores ou alívio de carga. Caso
o estado de operação identificado seja o estado restau-
rativo, as providências a serem tomadas devem ser no
sentido de se recompor o sistema de modo que todos
os consumidores voltem a ser atendidos. Finalmente,
se for verificado que o sistema está no estado normal,
o próximo passo é se realizar a análise de segurança.
5 - Análise de segurança: visa a segurança do estado de
operação face a um conjunto de contingências pré-se-
248
lecionadas. Como em geral o sistema de potência em

questão está interligado com outros sistemas (perten-
centes, por exemplo, a outras concessionárias de ener-
gia elétrica) e como a reação deste sistema externo é
relevante na avaliação do impacto das contingências,
torna-se necessário modelar, pelo menos aproximada-
mente, o sistema externo. Portanto, a análise de segu-
rança é composta de aplicativos com as seguintes fina-
lidades específicas:
• Seleção de contingências de ocorrência mais provável
para a condição de operação recém-determinada pelo
estimador de estados;
• Modelagem do sistema externo, seja através de um
equivalente, seja através de um modelo explícito apro-
ximado, de forma a representar aproximadamente a re-
ação do sistema externo a contingências no sistema de
potência sob análise;
• Análise de contingências: através da qual é verificado
o efeito de cada contingência da lista pré-selecionada
através de métodos aproximados, como análise de sen-
sibilidade, ou através de um programa de fluxo de po-
tência desacoplado rápido.
6 - Controle preventivo: o controle preventivo é acionado
no caso em que a análise de segurança concluir que o
sistema de potência é inseguro em razão de uma ou
mais contingências da lista selecionada. As ações pre-
ventivas são determinadas a partir de programas de oti-
mização (programação linear ou não-linear) que visam
determinar a melhor condição de operação que satisfa-
ça simultaneamente as restrições de carga, de operação
e de segurança.
249
Figura 4.2: Principais aplicativos da operação em tempo real.
Configurações típicas de sistemas

computacionais para centros de operação
Requisitos
O sistema central de qualquer centro de operação de siste-
mas de potência é formado pelo sistema central de computado-
res e pelo equipamento para interface homem-máquina (IHM).
Vários elos de comunicação convergem para o sistema central,
que coleta os dados adquiridos pelas unidades terminais remo-
tas, analisa-os e apresenta os resultados para o operador, que
tem a decisão final e a responsabilidade de operar o sistema.
Assim, espera-se que o sistema central tenha a capacidade de
250
subsidiar, com informações confiáveis e adequadamente apre-

sentadas, as decisões a serem tomadas pelo operador.
Embora vários requisitos específicos possam ser impostos
ao sistema central, de acordo com as exigências e as necessi-
dades da empresa usuária, existem alguns requisitos que são
gerais e fundamentais para qualquer sistema. Estes requisitos
que afetam significativamente o projeto do sistema central e a
estrutura e desempenho do sistema de controle como um todo
são os seguintes:
• Tempo de resposta: é definido como o intervalo de
tempo entre o instante em que a função é requisitada e
o instante em que a resposta correspondente torna-se
disponível. Como se espera que o ambiente de opera-
ção seja um ambiente em tempo real, normalmente se
exige que o sistema computacional responda suficiente-
mente rápido a uma variação em seu ambiente de forma
a refletir adequadamente tal variação. Entre os princi-
pais fatores que afetam o tempo de resposta, pode-se
citar: carga de trabalho dos computadores, arquitetura
do sistema computacional, sistema operacional, base de
dados e software de acesso correspondente, estrutura e
organização do software.
• Disponibilidade: este requisito se origina do fato de
que se espera que o sistema central esteja sempre em
operação. A disponibilidade é definida como a percen-
tagem do tempo em que o sistema está efetivamente
em operação. Em geral, espera-se que os valores de dis-
ponibilidade sejam altos, de ordem de 99%. Este nível
de disponibilidade exige duplicação de equipamento.
• Manutenção e desenvolvimento do sistema: correspon-
de à necessidade de que o sistema esteja projetado de
251
modo que o hardware e principalmente o software pos-

sa sofrer manutenção e atualização.
Uma função fundamental do sistema central é a IHM.
Além disso, o computador central também está conectado aos
computadores de comunicação ( front-ends) e sistemas de apoio
para desenvolvimento de programas e manutenção do sistema.
A figura 4.3 representa as principais funções do sistema central.
Figura 4.3: Configuração típica de um sistema central.
Sistemas não-redundantes
Esta configuração considera apenas um computador cen-
tral em um sistema central, e corresponde ao sistema SCADA
típico. No sistema central, apenas um computador principal co-
necta o sistema IHM com os sistemas de comunicação e locais.
A figura 4.4 representa esquematicamente esta configuração.
Embora tradicionalmente centrado em um minicomputador,
este sistema pode hoje ser baseado em um microcomputador.
252
Figura 4.4: Sistema não-redundante.
Dois projetos básicos podem ser utilizados para sistemas

não-redundantes. O esquema mais simples usa o computador
central como o componente de interconexão de todo o equipa-
mento no sistema de controle. A principal desvantagem deste
esquema é que o processamento do computador central é inter-
rompido sempre que um dispositivo periférico realiza uma ope-
ração de pedido de informação, envia dados a serem armazena-
dos no computador central ou solicita dados disponíveis neste
computador. Disto resulta um sistema normalmente lento, em
que há pouco tempo disponível para operações que não sejam
ligadas à transferência de dados com o equipamento periférico.
O esquema para contornar estas dificuldades baseia-se na
utilização de sistemas dedicados às tarefas de controle de comu-
nicação e IHM. Um computador front-end faz a interface com o
sistema de comunicação e realiza certas operações de manipu-
lação de dados. Através de recursos de acesso direto à memória
(DMA), os dados são transferidos com alta velocidade para a
memória do computador central, de modo que este é interrom-
pido com frequência muito menor. O computador dedicado à
IHM, por outro lado, encarrega-se da apresentação de dados e
253
troca informações com as unidades de vídeo, e também utiliza

acesso DMA à memória do computador central. Contudo, per-
manece a vulnerabilidade do sistema à falha de qualquer com-
ponente crítico, o que implicará no colapso de todo o sistema. A
figura 4.5 representa esquematicamente esta configuração.
Figura 4.5: Sistema não-redundante com front-end e computador para IHM.
As funções básicas das configurações descritas são as se-

guintes: aquisição de dados, operações de controle, tais como
abertura/fechamento de disjuntores, partida de geradores,
envio de pulsos para controle automático de geração, etc.; su-
pervisão da informação adquirida nas remotas para detectar a
transgressão de limites, etc., e a apresentação de resultados para
o operador.
Sistemas redundantes – configuração dual

O aumento da disponibilidade do sistema de supervisão
e controle em tempo real necessariamente exige a duplicação
254
de equipamento. Embora fosse desejável a duplicação de todos

os componentes do sistema, em geral isto se aplica na prática
apenas ao sistema central, ou seja, ao computador central, ao
front-end e à unidade de comando da IHM.
Na configuração redundante os computadores duais são
funcionalmente idênticos e operam continuamente em modo
primário/backup ou modo paralelo. No primeiro caso a base
de dados é continuamente transferida do computador primá-
rio para a máquina backup, a qual assume o papel de compu-
tador primário automaticamente em caso de falha da máquina
primária original. No modo paralelo, ambos os computadores
utilizam suas próprias bases de dados. A figura 4.6 ilustra a con-
figuração dual. Deve ser observado que o sistema central é com-
posto de três subsistemas funcionalmente diferentes: o subsiste-
ma da IHM, o subsistema formado pelo computador principal e
o subsistema front-end.
Figura 4.6: Configuração dual.
Uma diferença importante entre a configuração dual e a

configuração não-redundante é a possibilidade oferecida pela
255
primeira para a incorporação de funções adicionais, resultante

da duplicação. Assim, aplicativos para treinamento de opera-
dores, por exemplo, podem ser integrados facilmente quando
o modo de operação utilizado é o primário-backup. A disponi-
bilidade da máquina back-up pode ser utilizada para este fim.
O mesmo se aplica a outras funções, tais como implementação
off-line do modo de estudos usando dados reais provenientes
do SCADA. Abre-se ainda a possibilidade de implementação de
aplicativos avançados. Finalmente, a maior capacidade de arma-
zenamento e de processamento propiciadas pela configuração
dual pode ser aproveitada para realizar apanhados estatísticos
e relatórios.
Quando a capacidade dos computadores permite a incor-
poração dos aplicativos avançados de análise de redes elétricas
que hoje caracterizam a operação em tempo real de sistemas de
potência – configurador de redes, estimador de estados, análise
de contingências, fluxo de potência do operador, etc. – os siste-
mas de operação em tempo real passam a ser denominados Sis-
temas de Gerenciamento de Energia (Energ y Management Systems)
e frequentemente são referidos por sua sigla em inglês, EMS.
Evolução para utilização de sistemas distribuídos, redes lo-

cais e sistemas abertos
Devido aos impressionantes avanços tecnológicos dos úl-
timos 15 anos na área de informática os centros de operação de
sistemas existentes no mundo inteiro têm enfrentado sérios pro-
blemas de obsolescência. Isto também se deve aos longos perí-
odos normalmente decorridos entre a compra de um sistema e
sua efetiva instalação em uma empresa de energia elétrica, que
normalmente resultam no uso de computadores cuja tecnologia
já tem pelo menos 5 a 6 anos quando do início de sua operação
256
efetiva. A atualização de sistemas centrais baseados em compu-

tadores de grande porte nem sempre é viável pois, mais uma vez
em consequência dos rápidos avanços da informática, frequente-
mente a linha de computadores a que pertence as máquinas origi-
nalmente adquiridas pela empresa foram descontinuadas. Por ou-
tro lado, mesmo que seja possível melhorar a configuração, isto
provavelmente não será competitivo com os recursos oferecidos
por computadores mais atuais, de desempenho muito superior.
Em virtude de constatações como estas, verifica-se hoje
forte tendência à utilização de redes locais e processamento
distribuído para monitoração, análise e controle em tempo real
de sistemas de potência. O uso de redes locais (ou local area ne-
tworks – LANs) implica em que os computadores, a IHM e os
processadores de comunicação acessam um mesmo barramen-
to ou anel de alta velocidade. Assim, a incorporação de novos
processadores de comunicação, novas consoles de IHM e novos
aplicativos é possível sob a forma da adição de novos disposi-
tivos conectados àquele barramento. Adicionalmente, qualquer
equipamento pode ser substituído ou atualizado de forma vir-
tualmente independente dos outros equipamentos existentes. O
sistema pode então evoluir continuamente e ter um ciclo de vida
muito maior, contanto que o barramento ou anel de comunica-
ção suporte a configuração desejada. Por outro lado, a crescen-
te disponibilidade de estações de trabalho de alto desempenho,
com cada vez maior capacidade de memória e custo relativa-
mente baixo tem consolidado tendência à utilização de proces-
samento distribuído. Um sistema de processamento distribuído
pode ser definido como um sistema em que múltiplos proces-
sadores estão conectados conjuntamente de modo que possam
compartilhar as mesmas informações. A configuração típica de
um SEM distribuído conta com uma rede local (ou redes locais
257
duais para redundância), à qual estão conectadas várias estações

de trabalho, cada uma das quais é responsável pela execução de
um dos aplicativos em tempo real, tais como a análise de redes,
o gerenciamento de banco de dados, o controle da geração, etc.
A principal vantagem desta estrutura é a flexibilidade e a capa-
cidade de expansão. Além disso, as estações de trabalho não
necessitam ficar confinadas em uma mesma sala do SEM. Com
o uso da rede local os processadores e consoles podem ser fisica-
mente distribuídos pelas dependências mais apropriadas da em-
presa. A figura 4.7 representa o conceito de sistema distribuído.
Figura 4.7: Sistema distribuído para Centros de Operação (EMS).
Sistemas abertos
Outra tendência mais recente que tem se verificado na
tecnologia de Centros de Controle aponta para a adoção do
conceito de Sistemas Abertos. Nos SEM tradicionais, tanto o
hardware quanto o software são fornecidos pelo mesmo fabri-
258
cante/fornecedor. Assim, esta empresa fornece à concessionária,

a partir de especificações deste último, os algoritmos, o softwa-
re (incluindo sistema operacional, protocolos de comunicação
e interfaces, nem sempre padrões) e o hardware. Isto restringe
o desenvolvimento e atualizações de software, por exemplo, ao
próprio fornecedor ou à própria empresa.
A tendência à adoção de sistemas computacionais distribu-
ídos, nos quais os processadores podem ser heterogêneos e estar
fisicamente distantes, tem levado as concessionárias de países
mais desenvolvidos a considerarem a incorporação da filoso-
fia de Sistemas Abertos. Um sistema aberto pode ser definido
como um sistema que pode ser substituído, no todo ou em par-
te, sem que isto configure dependência em relação a um dado
fornecedor. De fato, o conceito de independência é fundamental
em sistemas abertos. Exige-se, por exemplo, que o software seja
independente do hardware; que as aplicações independam do
sistema operacional; a IHM deve ser independente da base de
dados, etc. Evidentemente, estes objetivos só poderão ser atin-
gidos se houver um certo nível de padronização das interfaces
envolvidas. Prevê-se que, com a disseminação da filosofia de
Sistemas Abertos para EMSs, as empresas de energia elétrica
poderão selecionar o melhor hardware e o melhor software para
cada etapa da evolução do seu sistema, sem ficarem restritas a
uma única empresa fornecedora, nem a projetos que não se ba-
lizem por padrões largamente aceitos.
Estimação estática de estados em sistemas de

potência
Nas últimas décadas, a filosofia para a operação de sis-
temas de potência tem se caracterizado pela incorporação de
funções que visam a avaliação em tempo real da segurança do
259
sistema. A implementação e coordenação destas funções são

realizadas nos modernos Centros de Operação dos Sistemas
(COS), cujo emprego para controlar a operação em tempo real
vem se tornando prática consagrada na maioria das concessio-
nárias de energia elétrica.
A avaliação da segurança da operação de sistemas de po-
tência é feita basicamente a partir da execução de duas fun-
ções básicas, que são Monitoração da Segurança e Análise de
Segurança. O desempenho dessas funções depende da dispo-
nibilidade de informações confiáveis a respeito do ponto de
operação atual do sistema. Em outras palavras, é muito im-
portante que se disponha de meios para atualizar em tempo
real o banco de dados do sistema. A função encarregada de
desempenhar este papel é a Estimação de Estados em Sistemas
de Potência (EESP).
O Estimador de Estados consiste em um conjunto de algo-
ritmos para processar telemedidas realizadas em todo o sistema.
Essas telemedidas são em geral redundantes e corrompidas por
erros de medição, erros de conversão analógico-digital e ruídos
de transmissão. O estimador processa essas observações com o
objetivo de fornecer estimativas confiáveis para os estados (de-
finidos como as amplitudes e os ângulos das tensões nas barras)
da rede elétrica. A partir dos estados é possível determinar ou-
tras variáveis, como o fluxo de potência nas linhas de transmis-
são, injeções de potência nas barras, etc.
Características da EESP
A função da Estimação de Estados em Sistemas de Po-
tência é fornecer uma base de dados em tempo real confiável a
partir de telemedidas redundantes e corrompidas por erros de
várias espécies. Basicamente, o estimador de estados processa
260
essas medidas (geralmente magnitude das tensões, injeções de

potência ativa e reativa nas barras, fluxos de potência ativa e rea-
tiva nas linhas de transmissão, e excepcionalmente correntes) de
forma a estimar valores para a tensão complexa em todas as bar-
ras, o que descreve completamente o estado do sistema em re-
gime permanente. Além dessas telemedidas, outras quantidades
não medidas diretamente, mas que também contém informa-
ções relevantes sobre o estado do sistema podem ser processadas
pelo estimador. Essas quantidades, devido ao fato de que seus
valores podem ser estimados sem a utilização de instrumentos
de medição (injeções de potência ativa e reativa em barras de
transferência, por exemplo), são chamadas pseudomedidas.
Aplicações dos resultados da EESP

Dentre as principais aplicações dos resultados fornecidos
pelo estimador de estados, os três de maior relevância são:
• Monitoração da segurança, cujo objetivo é observar a
condição corrente de operação do sistema e verificar se
esta é normal, de emergência, ou restaurativa;
• Análise de segurança (Fluxo de potência on-line, aná-
lise de contingências, etc.), cuja função é determinar os
efeitos de eventuais contingências no sistema;
• Previsão de carga para as barras do sistema.
Monitoração em tempo real de redes elétricas

Diferentes alternativas foram propostas no passado para
processar dados em tempo real a fim de monitorar o sistema de
potência. Algumas dessas abordagens são:
• Sistema de supervisão baseado na medição de quanti-
dades que permitam a monitoração de variáveis con-
261
sideradas básicas de rede elétrica, associadas a certas

instalações chaves do sistema. Esta prática de monito-
ração é obviamente considerada incompleta, além de
entrar em conflito com o planejamento do sistema de
potência. Em outras palavras, nos estudos de planeja-
mento qualquer instalação pode se tornar chave, de-
pendendo da coordenação da operação.
• Utilização direta dos dados oriundos do sistema SCA-
DA (Sistema Supervisório e de Aquisição de Dados).
Este procedimento também é considerado incompleto
em virtude das seguintes características:
1 - Os resultados apresentados ao operador são medidas
brutas;
2 - Não são fornecidas informações sobre variáveis
não-monitoradas;
3 - A detecção e a identificação dos eventuais erros gros-
seiros são prejudicadas.
• Fluxo de potência on-line, usando como medidas ape-
nas injeções de potência ativa P e reativa Q. Apesar de
superior aos dois procedimentos anteriormente men-
cionados, este método apresenta diversas limitações
quando comparado as metodologias que utilizam o
estimador de estados como ferramenta computacional
de análise. Essas limitações advêm dos seguintes fatos:
1 - A técnica restringe os tipos de medidas que podem ser
utilizadas. Isto é, desde que o algoritmo computacional
básico é a solução do fluxo de potência, os dados de
entrada são limitados as injeções de potência ativa e
reativa nas barras de carga (PQ), e injeções de potência
ativa e magnitudes da tensão nas barras PV.
262
2 - A perda de uma medida de injeção de potência ativa

ou de potência reativa, ou de magnitude da tensão
implica na impossibilidade de solução, já que as equa-
ções utilizadas na solução do fluxo de potência são
independentes;
3 - Uma medida de injeção incorreta implica na obtenção
de resultados incorretos;
4 - Não é possível se determinar o nível de confiança dos
resultados em virtude da falta de redundância nos da-
dos de entrada.
Vantagens da estimação de estados

Quanto às técnicas de estimação de estados, os seguintes
aspectos positivos podem ser visualizados em relação às meto-
dologias para controle em tempo real referidas anteriormente:
1 - Reconhecimento da existência de erros inerentes nas
medidas;
2 - Possibilidade de processamento de diversos tipos de
medidas;
3 - Exploração da redundância entre as quantidades me-
didas. Como se trabalha com medidas redundantes, é
possível:
• Obter estimativas para os estados mesmo
quando algumas medidas são perdidas;
• Detectar a presença de erros grosseiros e iden-
tificar sua localização;
1 - Possibilidade de se avaliar o nível de confiança dos
resultados;
2 - Possibilidade de se determinar quantidades que não fo-
ram monitoradas (definição de estado).
263
Subproblemas da estimação de estados

Os seguintes subproblemas estão associados ao problema
de Estimação de Estados em Sistemas de Potência:
• Observabilidade: subproblema que consiste em verifi-
car se o número e a localização das medidas a serem
processadas pelo estimador permite a determinação do
estado do sistema;
• Estimação de estados: processo que consiste no côm-
puto da estimativa dos estados a partir do conhecimen-
to da estrutura e dos dados do sistema e de telemedidas
tomadas ao longo do mesmo;
• Identificação de erros grosseiros: procedimento para se
determinar quais são as medidas portadoras de erros
grosseiros, ou que parte da estrutura não está correta-
mente modelada;
• Recuperação de medidas portadoras de erros grossei-
ros: processo consistindo no tratamento de medidas es-
púrias, tal que elas possam ser utilizadas na estimação
de estados.
Além destes, outros problemas ligados à modelagem em
tempo real de sistemas de potência são a pré-filtragem de medi-
das e o configurador da rede elétrica:
• Pré-filtragem: consiste em um pré-processamento no
qual as medidas são submetidas a uma seleção tal que
aquelas mais claramente portadoras de erros grosseiros
são descartadas;
• Configurador: determina um modelo barra-ramo para
a rede elétrica a partir do processamento das posições
(status) de disjuntores e chaves de subestações.
264
Classificação dos estimadores de estado

Quanto ao modo de processar os dados, os estimadores de
estado podem ser classificados em:
• Estimadores tipo batch, no qual todas as medidas dis-
poníveis são processadas simultaneamente;
• Estimadores tipo sequenciais, no qual as quantidades
medidas são processadas uma por vez.
Os estimadores que processam o conjunto de medidas si-
multaneamente (tipo batch podem ainda ser classificados sob o
ponto de vista de formulação, o que resulta nos seguintes tipos
de estimadores:
• Estimador usando o método dos mínimos quadrados
ponderados;
• Estimadores baseados no algoritmo de mínimo valor
absoluto;
• Outros métodos.
• Quanto ao método de solução, os estimadores tipo mí-
nimos quadrados podem ser classificados em:
• Solução via Equação Normal (método clássico);
• Solução via Métodos Ortogonais (Reflexões de Golub,
Rotações de Givens);
• Solução via Métodos Híbridos (fatoração ortogonal,
solução do sistema linear não-ortogonal);
• Solução via Método da Matriz Aumentada (ou Tableau
esparso);
• Solução explorando o desacoplamento Pδ - QV (Esti-
madores desacoplados).
265
Os Estimadores Sequenciais, por sua vez, são baseados no

método dos mínimos quadrados recursivos e podem ser basica-
mente de dois tipos:
• Método baseado no Filtro Kalman;
• Métodos Ortogonais (filtro de informação do tipo raiz
quadrada – via rotações de Givens).
O modelo de medição
Considerando-se um sistema de potência com N barras, no
qual m quantidades são medidas. Supõe-se ainda, que a topologia
e os parâmetros da rede elétrica são conhecidos. Sob estas con-
dições, é possível determinar os fluxos de potência em qualquer
linha de transmissão e/ou a injeção de potência em qualquer bar-
ra, a partir do conhecimento das tensões complexas nas barras
do sistema. Esta é a razão pela qual as tensões complexas nas
barras são chamadas variáveis de estado do sistema de potência.
O conjunto de medidas tomadas ao longo da rede elétrica,
as variáveis de estado do sistema e os erros de medição estão
relacionados através do seguinte modelo de medição:
z = z0 + η (4.4)
onde:
z = vetor das quantidades medidas (isto é, magnitude da
tensão nas barras, injeções de potência ativa e reativa, fluxos de
potência ativa e reativa, corrente, etc.), de ordem (m x 1);
z0 = vetor com os valores verdadeiros das quantidades me-
didas, o qual é função do estado verdadeiro, de ordem (m x 1);
η = vetor aleatório que modela os erros de medição (isto
é, imprecisão de medidores, erros de transformadores de ins-
trumentos, efeitos de conversão analógico-digital A-D, etc.), de
ordem (m x 1).
266
É suposto que η tem média zero e que os erros de medi-

ção são não-correlacionados, isto é, a matriz de covariância dos
erros de medição R é suposta diagonal. Isto é expresso com
auxílio da equação:
E(η) = 0 E(ηηT ) = R (diagonal) (4.5)
As grandezas medidas podem ser expressas como funções
não-lineares dos estados, resultantes da aplicação das leis de
Kirchhoff e Ohm, isto é,
z0 = h(x) (4.6)
de modo que a equação (4.4) pode ser escrita como:
z = h(x) + η (4.7)
tal que,
E(η) = 0 E(ηηT ) = R (diagonal) (4.8)
Observações
Fluxos de corrente nas linhas de transmissão, assim como
injeções de correntes nas barras, podem ser também monitora-
dos. Entretanto esta prática não é usualmente adotada.
Além das medidas efetivas que compõem o conjunto de
medidas tomadas ao longo do sistema, alguns componentes do
vetor das quantidades medidas z podem ser pseudo-medidas,
obtidas por um outro processo diferente de telemedição (estu-
dos de previsão de carga, por exemplo).
O grau de redundância global entre as medidas tomadas na
rede elétrica é definido como:
m m
Redundância: η = = (4.9)
n 2N − 1
Da definição de redundância é possível observar que uma
condição necessária para que o problema de estimação de es-
tados tenha solução é que: m ≥ n, ou ρ ≥ 1,0; naturalmente,
267
é também necessário que a localização das quantidades me-

didas seja estabelecida de forma a propiciar não apenas que o
estado do sistema de potência possa ser estimado (estudos de
observabilidade) como também que as medidas eventualmen-
te contaminadas com erro grosseiro possam ser detectadas
e identificadas;
O vetor de funções não lineares h(x), da equação (4.7)
representa a relação entre os estados e as quantidades medidas,
e é obtido através da aplicação das leis de Ohm e Kirchho-
ff. Rigorosamente este vetor deveria ser denotado como uma
função não apenas dos estados como também dos parâmetros
da rede elétrica. Todavia, conforme mencionado anteriormen-
te, para fins de estimação de Estados é suposto que tanto a
topologia como os parâmetros do sistema de potência são co-
nhecidos com precisão, tal que o uso da notação simplificada
é justificado;
Os erros de medição são representados no modelo de me-
dição pelo vetor η. Estes erros são provenientes de uma va-
riedade de fontes tais como: imprecisão dos medidores, erros
de transformadores como instrumentos, erros de comunicação,
efeitos de conversão analógico-digital, etc. Os erros são supos-
tos serem não-correlacionados, tal que a matriz de covariância,
R, da equação (4.8), é assumida ser diagonal. Os elementos não
-nulos dessa matriz são as variâncias dos erros de medição, os
quais podem ser expressos como uma função do valor do fundo
de escala dos instrumentos de medição;
Se pseudo-medidas são utilizadas, suas variâncias devem
refletir o grau de incerteza associada a correspondente quan-
tidade. Esse grau de incerteza é, sob circunstâncias normais,
268
maior do que aquele associado as medidas normais. A variância

das pseudo-medidas é, portanto, maior do que a das quantida-
des telemedidas.
Estimadores tipo batch

Solução pelo método dos mínimos quadrados
ponderados – método clássico
No método dos Mínimos Quadrados Ponderados (MQP)
o estado x̂ é calculado de forma a minimizar a função custo re-
ferente aos modelos das equações (4.7) e (4.8). O problema a ser
resolvido consiste, portanto na minimização da função de custo
J( x̂ ) = [z – h( x̂ )]T R-1 [z – h( x̂ )]
(4.10)
com relação ao vetor de estados . Ou seja, deseja-se mini-
mizar o índice representado pela somatória dos quadrados dos
resíduos ponderada pelo inverso das variâncias dos erros de me-
dição. A utilização da matriz de ponderação R implica em que
medidas supostamente mais precisas recebem maior peso do
que aquelas nas quais se espera maior imprecisão.
Apesar de que a minimização da função de custo mos-
trada na equação (4.10) não envolve restrições, o processo de
busca do custo ótimo implica em um problema não-linear, de
difícil solução. Por outro lado, o índice a ser otimizado é re-
presentado por uma função quadrática, a qual é por sua vez,
expressa em termos do vetor de equações não-lineares h(x).
Vários métodos poderiam ser aplicados na resolução de um
problema deste tipo. Entretanto, as características da nature-
za quadrática da função objetivo e a ausência de restrições),
tornam este problema de otimização bastante apropriado para
a solução pelo método de Newton. Esta técnica consiste em
269
obter a solução do problema não-linear com função objetivo

quadrática através de um algoritmo iterativo, com correções no
vetor de estados dada por
x̂ k+1 = x̂ k + ∆ (4.10)
1.1.1.1 O método de Gauss-Newton
O método de Gauss-Newton, para a solução do proble-
ma não-linear de mínimos quadrados, consiste em determinar
a correção ∆ x̂ , da equação (4.11) primeiro expandindo J( x̂ ) da
equação (4.10) em série de Taylor em torno do ponto x̂ k, ao lon-
go da direção x̂ ∆, até o termo de segunda ordem, isto é
∂ J ( xˆ )T
J( xˆ k + xˆ ) = J( xˆ k ) +
∂ xˆ
1 T  ∂ 2 J ( xˆ )  (4.12)
xˆ + xˆ   ˆ
x
xˆ = xˆ k 2  ∂ xˆ  xˆ = xˆ k
2
ou seja,
1 T
J( xˆ k + xˆ ) ≈ J( xˆ k ) + g ( xˆ k )T xˆ + xˆ M ( xˆK ) xˆ (4.13)
2
onde
 ∂ 2 J ( xˆ ) 
M( x̂ k) =  
 xˆ = xˆ k (4.14)
 ∂ ˆ
x 2

é a matriz de segundas derivadas de J( x̂ ) em relação a x̂ k,
chamada matriz Hessiana de J( x̂ ), e
∂ J ( xˆ )T
g( x̂ k) = (4.15)
∂ xˆ xˆ = xˆ k
é o vetor de primeira derivada de J( x̂ ) com relação a x̂ k,

chamado vetor gradiente de J( x̂ ).
270
O mínimo da função J( x̂ k + ∆ x̂ ) em relação a ∆ x̂ é obti-

do diferenciando-se J em relação a ∆ x̂ e igualando o resultado
a zero,
∂ J = 0 (4.16)
∂ ( x)
Isto resulta em
g( x̂ k) + 1 × 2 × M( x̂ k) ∆ =0 (4.17)
2
e portanto em
M( x̂ k) ∆ x̂ = – g( x̂ k) (4.18)
A obtenção do vetor gradiente g( x̂ k) em termos analíticos
é mais facilmente compreendida expressando-se inicialmente a
função de custo como
J( x̂ ) = r × R-1 × r (4.19)
onde r = z – h( x̂ ).
A derivada primeira desta função em relação a é dada por
∂ J ( xˆ )  ∂ r  T  ∂ J ( xˆ ) 
= g ( xˆK ) =   ×


 ∂ r  xˆ = xˆ k (4.20)
∂ xˆ xˆ  ∂ ˆ
x   
ou, em termos das grandezas envolvidas na representação
da função original
∂ h( xˆ )
= 2 R −1 × (z − h ( xˆ )) xˆ = xˆ k
(4.21)
∂r
ou seja,
g( x̂ ) = 2 HT ( x̂ k) × R-1 × ∆z
(4.22)
Aplicando-se o mesmo procedimento para o cálculo da
matriz de segundas derivadas de J( x̂ ) obtém-se
271
 ∂ 2 J ( xˆk )  ∂
M ( xˆk ) =  
 =
 ∂ xˆ  xˆ = xˆk ∂ xˆ
2
  (4.23)
 −  ∂ h( xˆ )  x 2 R−1 x( z − h( xˆ ))
T
    ˆ ˆ
  ∂ r   x = xk
Supondo-se que, nas proximidades da solução,
∂ h( xˆ ) ≈ cte = H ( )
x̂ k (4.24)
∂x
M( x̂ k) ≈ - 2 HT ( x̂ k) x R-1 x - H ( ˆx̂ k) = 2 HT ( x̂ k) x R-1 H ( x̂ k) (4.25)
então é possível escrever
M( x̂ k) × ∆ x̂ = – g ( x̂ k) (4.26)
isto é,
2 HT ( x̂ k) x R-1 H ( x̂ k) x ∆ x̂ = 2 x HT ( x̂ k) x R-1 x ∆z (4.27)
e finalmente
HT ( x̂ k) x R-1 x H ( x̂ k) x ∆ = HT ( x̂ k) x R-1 x ∆z (4.28)
A equação (4.28) é conhecida como Equação Normal de
Gauss. O vetor ∆ x̂ é obtido resolvendo-se a equação (4.28).
Então, uma estimativa melhorada para o estado é obtida através
da relação iterativa
x̂ k+1 = x̂ k + ∆ x̂ (4.29)
O processo iterativo é iniciado a partir de uma estimativa
inicial x̂ 0. A cada iteração os incrementos nas variáveis de esta-
do ∆ x̂ são obtidos através da equação
∆ x̂ = [HT ( x̂ k) x R-1 x H ( x̂ k)]-1 x HT ( x̂ k) x R-1 x ∆z (4.30)
até que o critério de parada representado pela equação
(4.31) seja satisfeito
maxi |∆ x̂ | ≤ ε (4.31)
onde ε é uma tolerância pré-estabelecida. Ou seja, o pro-
cesso é encerrado quando a magnitude dos ajustes nas variáveis
de estado for desprezível.
272
Algumas características da equação normal são:

• A matriz [HT x R-1 x H], denominada Matriz Ganho
ou Matriz de Informação é aproximadamente 2 vezes
mais densa que a matriz H, se a matriz R é diagonal,
ou seja, desde que a matriz H é esparsa, a matriz de in-
formação possui também um número reduzido de ele-
mentos não-nulos, o que possibilita o uso de técnicas
de compactação e esparsidade na solução do sistema
linear da equação (4.28).
• Observa-se também que a matriz [HT x R-1 x H] é si-
métrica em estrutura e valores numéricos, o que facilita
a sua fatoração. Adicionalmente, é possível garantir que
esta matriz é positiva semidefinida. No caso particular
de Estimação de Estados em Sistemas de Potência, en-
tretanto, o plano de medição deve ser tal que o número
e a configuração das quantidades medidas assegurem a
não-singularidade da matriz de informação (neste caso
o sistema é dito observável).
• Os elementos da matriz Jacobiana H ( x̂ k) são obtidos
derivando-se as expressões de h(x) (as quais são as co-
nhecidas equações dos fluxos de potência nas linhas
de transmissão, injeções de potência ativa e reativa nas
barras, magnitude das tensões, etc.) em relação ao vetor
de estados x (magnitude e ângulo da tensão nas barras
do sistema). Apesar da simplicidade com que se pode
expressar essas derivadas analiticamente, a sua deter-
minação em termos numéricos requer considerável es-
forço computacional.
273
Cálculo dos termos da matriz jacobiana e das

quantidades medidas
Apesar de que as equações que descrevem a equação nor-
mal em termos de variáveis do sistema elétrico são expressas
na forma polar, os termos da matriz Jacobiana e as quantidades
medidas são computadas utilizando-se a forma complexa retan-
gular das variáveis envolvidas no cálculo. Desde que o cômputo
explícito das funções trigonométricas é evitado, este procedi-
mento resulta em considerável economia de cálculo.
A tensão complexa na barra i, em coordenadas retangula-
res, é expressa como
Vi = ei + j f i (4.32)
e a admitância série da linha de transmissão conectando as
barras i e k é denotada por
Gik + j Bik (4.33)
onde G0ik e j B0ik representa a metade da admitância total
shunt.
Definindo as variáveis intermediárias
Gii = Gik + G0ik (4.34)
Bii = Bik + B0ik (4.35)
aik = ek Gik - fk Bik (4.36)
cik = - ek Bik + f i bik (4.37)
dik = ei bik - f i aik (4.38)
As quantidades medidas são a magnitude das tensões, vi,
os fluxos de potência ativa e reativa nas linhas de transmissão,
t ik e u ik, e as injeções de potência ativa e reativa nas barras, pi e
qi, respectivamente. Usando as equações (4.32) a (4.38), essas
quantidades podem ser expressas como
vi = ei2 + fi 2
(4.39)
t ik = vi2 Gii + cik (4.40)
274
u ik = - vi2 Bii + dik (4.41)
i
p = ∑ k ∈ Ω t ik
(4.42)
qi = ∑ k ∈ Ω u ik (4.42)
onde Ω denota o conjunto de barras diretamente conecta-
das a barra i.
A matriz Jacobiana utilizada no modelo de medição line-
arizado para a Estimação de Estado em Sistemas de Potência
pode ser particionada como
 ∂ v 
 0
 
 ∂v 
 
 ∂t ∂t 
 
 ∂δ r ∂v 
 
 ∂u ∂u 
H =  
 (4.44)
 ∂δ r ∂v 
 
 ∂p ∂p 
 
 ∂δ r ∂v 
 
 ∂q ∂q 
 
 ∂δ r ∂v 
 
onde, v é o vetor da magnitude das tensões nas barras; δr
é o vetor do ângulo das tensões nas barras, t e u são os vetores
das medidas de fluxos de potência ativa e reativa nas linhas
de transmissão, respectivamente; e p e q são os vetores das
medidas de injeções de potência ativa e reativa nas linhas de
transmissão, respectivamente.
Considerando que é computacionalmente vantajoso dividir
as correções na magnitude das tensões no modelo linearizado
(∆vi ) por vi, os elementos da matriz Jacobiana mostrados na
equação (4.44) podem ser expressos, em termos das quantidades
representadas nas equações (4.32) a (4.43), como
275
∂ vi
vk = 0, k ≠ i (4.45)
∂ vk
∂ vi
vi = vi (4.46)
∂ vi
∂ tik
= dik, k ≠ i (4.47)
∂δ k
∂ tik
vk = cik, k ≠ i (4.48)
∂ vk
∂ uik
= - cik, k ≠ i (4.49)
∂δ k
∂ uik
vk = dik, k ≠ i (4.50)
∂ vk
∂ tik
= - u ik - vi2 Bii, k ≠ i (4.51)
∂δ i
∂ tik = t + 2 G , k ≠ i
vi vi ii (4.52)
∂ vi
ik
∂ uik
= t ik - vi2 Gii, k ≠ i (4.53)
∂δ i
∂ uik
vi = u ik - vi2 Bii, k ≠ i (4.54)
∂ vi
∂ pi
= dik, k ≠ i e k ∈ Ω (4.55)
∂δ k
∂ pik
vk = cik, k ≠ i e k ∈ Ω (4.56)
∂ vk
∂ qik
= - cik, k ≠ i e k ∈ Ω (4.57)
∂δ k
276
∂ qik
vk = dik, k ≠ i e k ∈ Ω (4.58)
∂ vk
∂ pi
= - qi - vi2 Bii, k≠ i (4.59)
∂δ i
∂ pi
vi = pi + vi2 Gii, k≠ i
(4.60)
∂ vi
∂ qi
= pik - vi2 Gii, k≠ i (4.61)
∂δ i
∂ qi
vi = qi - vi2 Bii, k≠ i (4.62)
∂ vi
Estas equações mostram que os elementos da matriz Jaco-

biana podem ser obtidos usando as mesmas variáveis utilizadas
no cálculo das quantidades medidas, o que permite considerável
economia nos requisitos computacionais para a determinação
destas quantidades.
Aspectos computacionais
As características da equação normal permitem a obtenção
da solução do sistema linear da equação (4.28) pelo método de
Cholesky utilizando, para a ordenação da matriz de informação,
2º método de Tinney (também referido como Algoritmo da Va-
lência Mínima);
A equação normal é resolvida executando-se os seguintes
passos:
1 - Decomposição da matriz de informação A = [HT x R-1
x H] (suposta simétrica e positiva-definida), via método
de Cholesky, em
277
A = LT × L (4.63)
2 - Substituição inversa no sistema
LT × y = b (4.64)
para obtenção de y, onde b = HT × R-1 × ∆z;
3 - Substituição direta no sistema
L × ∆z = y (4.65)
para obtenção de ∆x
Desde que a estrutura da matriz de informação não é mo-
dificada durante o processo iterativo, a ordenação e a estrutura
da matriz L podem ser determinadas apenas uma vez, o que im-
plica em melhoria da implementação, já que o método é iterativo
e requer várias soluções da equação normal;
Verifica-se ainda, que nas últimas iterações do processo as
variações nos valores numéricos da matriz H são praticamente
desprezíveis, o que permite manter esta matriz constante durante
algumas iterações e assim reduzir o esforço computacional
necessário para a estimação do vetor de estados.
Estimador de estados linearizado

Embora de escasso interesse para aplicação prática, o es-
timador de estados linearizado é importante como ferramenta
auxiliar no aprendizado dos métodos e técnicas ligados à esti-
mação de estados em sistemas de potência. As hipóteses simpli-
ficadoras em que se baseia, embora limitem bastante a abran-
gência e validade de seus resultados, permitem a simplificação
do problema para uma forma não-iterativa que facilita o enten-
dimento dos diversos métodos de solução da estimação de esta-
dos. Além disso, o estimador linearizado é útil na interpretação
de técnicas de processamento de erros grosseiros, de análise de
observabilidade, etc.
278
O estimador de estados linearizado baseia-se nas hipóteses

simplificadoras utilizadas para o chamado fluxo de potência dc,
ou seja:
1 - As magnitudes de tensão nas barras do sistema de po-
tência são todas consideradas iguais;
2 - As resistências e admitância transversais das linhas de
transmissão são supostas desprezíveis;
3 - As aberturas angulares das linhas são supostas peque-
nas o suficiente para justificar a aproximação:
sen (δi- δj) ≈ (δi- δj) rads (4.66)
Considerando-se estas hipóteses, as relações entre os flu-
xos e injeções de potência ativa com os ângulos das tensões nas
barras são dadas por:
t ij = γij (δi- δj) (4.67)
e
pi = ∑ k ∈Ωi tik (4.68)
onde
1
γij = (4.69)
xij
é a capacidade de transmissão da linha i – j e Ωi é o conjun-
to de barras adjacentes à barra i.
Desde que as magnitudes das tensões nas barras são su-
postas constantes, as únicas variáveis a serem estimadas são os
ângulos das tensões, ou seja, o vetor de estados reduz-se ao ve-
tor δ. Pelo mesmo motivo, o vetor de medidas z envolve apenas
medidas de fluxo e de injeção de potência ativa. Assim, toman-
do-se a barra 1 como barra de referência:
δ = [δ2 , ..., δN ]T (4.70)
e
z = [zt zP]T (4.71)
279
onde N é o número de barras do sistema, zt é o vetor de

medidas de fluxo de potência ativa e zp é o vetor de medidas de
injeção de potência ativa. Assim, o modelo de medição para o
estimador de estados linearizado é dado por:
z = Hδ + η (4.72)
E {η} = 0 (4.73)
E {ηηT} = R = diag {σ12,…, σm2} (4.74)
onde m é o número total de medidas. É importante se
observar que, segundo as equações (4.67) e (4.68), as relações
entre as quantidades medidas e os estados são lineares. Conse-
quentemente a matriz de observação H do modelo de medição
(4.74) é constante. Além disso, ainda a partir das equações (2.67)
e (2.68), verifica-se que os elementos de H são combinações
lineares das capacidades das linhas. Estas características do
modelo de medição simplificado permitem que as estimativas
δ para os estados sejam obtidas de forma não iterativa. Utili-
zando-se, por exemplo, o método da equação normal, as esti-
mativas para os estados podem ser calculadas resolvendo-se o
sistema linear:
(HT R-1 H) δ = HR-1 z (4.75)
Inclusão de restrições de igualdade

Sistemas de potência típicos geralmente contém um núme-
ro de barras, denominadas barras de transferência, cujas injeções
de potência ativa e reativa são nulas. Nessas barras, informações
precisas sobre o valor das injeções de potência são disponíveis,
sem o custo da telemedição, ruído ou erro associado às medidas
convencionais. Esse tipo de barra fornece, portanto, um conjun-
to de medidas adicionais a ser explorado na monitoração do es-
tado do sistema. Seja a figura 4.8 onde é mostrado um exemplo
para ajudar na construção do modelo de medição linear.
280
Figura 4.8: Sistema exemplo para construção do modelo de medição linear.
As barras de transferência podem ser modeladas de duas

formas:
• Considerando as injeções nulas como pseudomedidas
de injeção de potência de alta precisão. Isto implica na
atribuição de ponderação elevada para estas medidas
na solução do problema de mínimos quadrados. En-
tretanto, o uso de fatores de ponderação de diferentes
magnitudes para as medidas pode ocasionar problemas
numéricos no processo iterativo, e assim prejudicar a
convergência do algoritmo.
• Considerando as injeções nulas como restrições de
igualdade a serem incluídas no problema de otimização
de mínimos quadrados. Neste caso, a estimativa dos
estados é obtida minimizando-se a função de custo
1
J(x) = [z – h(x)]T R-1 [z – h(x)] (4.76)
2
com relação ao vetor de estados x, tal que as restrições
g(x) = 0 (4.76)
que representam as injeções de potências nulas, sejam sa-
tisfeitas. Este procedimento Alternativo para modelar as barras
de transferência, possui as vantagens de melhorar a convergên-
cia do processo iterativo além de evitar problemas de instabili-
dade numérica.
281
A solução do problema de mínimos quadrados com restri-

ções de igualdade através do método da equação normal pode
ser sumarizada nos seguintes passos:
• Formação da função Lagrangeana
L(x, λ) =
1
[z – h(x)]T R-1 [z – h(x)] + λT g(x) (4.76)
2
onde λ é o vetor dos multiplicadores de Lagrange corres-
pondentes às restrições de igualdade;
• Aplicação das condições de otimalidade de primeira or-
dem, a qual resulta no conjunto de equações não lineares
L (x, λ) = - HT (x) R-1 [z – h(x)] + G T (x) λ = 0

∂
∂x
L (x, λ) = g(x) = 0

(4.79)
∂
∂x
onde,
∂ h( x )
= H (x )
∂x
∂ g( x )
(4.80)
= G(x )
∂x
Solução das equações não lineares através do método de
Newton. Isto requer a solução do sistema linear
- HT (x) R-1 [z – h(x) – H(x) ∆x] + G T(x) λ = 0
(4.81)
g(x) – G(x) ∆x = 0
que é escrito na forma matricial como
 
 H ( x ) R H ( x ) G ( x )   x 
T −1 T
   =

 G(x) 0   λ 

 
 H ( x ) R [ z − h( x )] 
T −1
 

 g ( x ) 
 (4.82)

282
A matriz de coeficientes deste sistema linear não é positiva

definida, o que requer na fatoração o uso de pivôs 2 x 2, para
preservar a simetria. Esta matriz é decomposta como A = LT
DL, onde L é uma matriz bloco triangular inferior e D é uma
matriz bloco diagonal.
Processamento de medidas com erros

grosseiros
No contexto da Estimação de Estados em Sistemas de Po-
tência, medidas portadoras de erros grosseiros são aquelas com
grau de imprecisão muito maior do que é suposto no modelo
de medição. Nos casos práticos, as medidas espúrias são resul-
tantes de uma variedade de causas, tais como erro nos canais
de comunicação, instrumentos de medição defeituosos, erro na
modelagem das pseudo-medidas, etc.
Os dados mais flagrantemente errôneos são rejeitados du-
rante o processo de pré-filtragem das medidas. Este procedimen-
to consiste em verificar se as quantidades medidas estão dentro
de certos limites, efetuando testes baseados na comparação de
medidas redundantes. Dentre os vários testes que são efetuados
no estágio do pré-processamento, os seguintes podem ser citados:
• Comparação do valor medido com o valor nominal da
quantidade;
• Comparação do valor medido em uma coleta de dados
com o valor medido na coleta precedente;
• Teste de consistência baseado nas leis de Kirchhoff,
comparação entre os valores medidos nas duas extre-
midades de um circuito, verificação do estado das cha-
ves/disjuntores do circuito onde as medidas são efetu-
adas, etc.
283
Apesar de que este processo facilita tanto a estimação do

vetor de estados como a detecção e identificação das medidas
espúrias, os testes de pré-filtragem não são capazes de detectar
os erros grosseiros de maior magnitude. O processamento de
erros de magnitude entre 3 e10 desvios-padrão normalmente
requerem técnicas mais elaboradas.
A presença de erros grosseiros no conjunto de medidas
processadas pelo estimador de estados é obviamente prejudicial
ao desempenho do estimador, devido a deterioração causada no
estado estimado. Esta deterioração acontece porque o estima-
dor baseado no Método dos Mínimos Quadrados minimiza a
soma ponderada do quadrado dos resíduos, portanto, os resídu-
os com grandes magnitudes associadas as medidas portadoras
de erros grosseiros terão um grande efeito sobre o resultado
final da estimação.
É necessário desenvolver procedimentos tanto para detec-
tar a existência de medidas espúrias no conjunto de medidas
como para identificar essas medidas, tal que elas possam ser re-
movidas ou substituídas por pseudo-medidas.
Uso dos resíduos de estimação no tratamento de

erros grosseiros
As técnicas de detecção e identificação de erros grosseiros
apresentadas nesta seção, são baseadas na análise dos resíduos
de estimação ou em uma função dos mesmos. A razão para este
procedimento é que os resíduos fornecem informações úteis
sobre eventuais violações das suposições feitas em relação ao
modelo de medição.
Seja um conjunto de m medidas tomadas ao longo de um
sistema de potência de N barras. O vetor m x 1 dos resíduos de
medição é definido como
284
r = z – ẑ (4.83)
onde z é o vetor das quantidades medidas e é o vetor dos
valores estimados para as quantidades medidas.
A análise da equação (4.83) mostra que os resíduos repre-
sentam as diferenças entre as medidas reais e os valores esti-
mados para as quantidades medidas. Estas diferenças podem
ser vistas como os valores que o modelo de medição não pode
explicar. Considerando-se que:
• A topologia da rede é conhecida perfeitamente;
• Os parâmetros da rede são conhecidos;
então r pode ser considerado como uma estimativa para o
vetor dos erros de medição.
Quando se formula o modelo de medição, fazem-se certas
suposições a respeito de suas médias e variâncias. Na ausência de
erros grosseiros, os resíduos, ou certas funções dos resíduos, ten-
derão a confirmar estas suposições. Por outro lado, se os resíduos
violarem tais suposições, pode-se inferir que medidas com erros
grosseiros foram processadas. Além disso, o exame individual
dos resíduos deve possibilitar a identificação da medida espúria.
Para que se possa utilizar os métodos de detecção e iden-
tificação de erros grosseiros a serem apresentados, é necessário
que se empregue os valores dos resíduos e da matriz Jacobiana
da última iteração antes da convergência. Isto pode ser compre-
endido considerando-se inicialmente o modelo de medição
z = h(x) + η (4.84)
E(η) = 0 E(ηηT ) = R (4.85)
Expandindo-se h(x) em série de Taylor até o termo de pri-
meira ordem, em torno do ponto xk e ao longo da direção ∆x =
x – xk, obtém-se
∂ h( x )
h (x k + x ) = h (x k ) + x x (4.86)
∂ ( x ) x = xk
285
A substituição da recorrência na equação (4.86) resulta em

∆z = H(xk) + ∆x + η (4.87)
E(η) = 0 E(ηηT ) = R (4.88)
onde,
∆z = z – h(xk) (4.89)
e a matriz jacobiana (de primeira derivada) é
∂ h( x )
H (x k ) =
(4.90)
∂ ( x ) x = xk
A última equação representa o modelo de medição linea-
rizado. Supondo que xk está próximo a solução, isto é, que ∆x é
pequeno, pode-se afirmar que as equações (4.87) e (4.88) são uma
aproximação bastante razoável do modelo de medição não-linear.
Em termos do modelo de medição linearizado, a função
de custo minimizada via Método dos Mínimos Quadrados é
dada por
J(∆ x̂ ) = [∆z – F ∆ x̂ ]T × R-1 × [∆z – F ∆ x̂ ] (4.91)
Esta equação mostra que J( x̂ ) é a soma ponderada do
quadrado dos resíduos correspondente ao modelo de medi-
ção linearizado.
Detecção de erros grosseiros

Para estabelecer o procedimento para a detecção de erros
grosseiros, além das considerações feitas com relação ao modelo
de medição supõe-se também que o vetor de covariância dos
erros de medição possui distribuição normal, com média zero e
matriz de covariância igual a R.
Tendo caracterizado completamente o vetor dos erros de
medição na ausência de erros grosseiros, é possível desenvolver
um procedimento para a detecção de medidas espúrias baseado
no valor dos resíduos de medição. O candidato natural a um
286
processo deste tipo seria um teste individual no valor dos resídu-

os de forma a verificar se algum deles viola as suposições feitas
em relação ao modelo de medição. Esta técnica, entretanto, re-
quer a utilização da matriz de covariância dos resíduos, cuja de-
terminação é computacionalmente dispendiosa. Considerando
o fato de que o processo de detecção é executado on-line após
cada estimação de estados, conclui-se que o exame individual
dos resíduos não seria uma técnica computacionalmente eficien-
te para a simples detecção de medidas portadoras de erros gros-
seiros. Ainda assim, se a presença destas medidas é detectada,
uma possível metodologia de identificação dos erros grosseiros
é baseada na matriz de covariância.
As dificuldades computacionais associadas a análise indi-
vidual dos resíduos de medição conduzem a busca de um teste
baseado em uma função observável dos resíduos, cujo com-
portamento na presença e na ausência de erros grosseiros seja
claramente distinto. A soma ponderada do quadrado dos resí-
duos J( x̂ ), representada pela equação (4.91) é uma função que
satisfaz esta condição. Isto é, se existem medidas espúrias no
conjunto de medidas, J( x̂ ) tende a assumir valores maiores do
que quando tais medidas estão ausentes. Além disso, o cálculo
da soma ponderada do quadrado dos resíduos é viável mesmo
para aplicações on-line.
Assim, tomando como base o valor de J( x̂ ) é possível con-
cluir sobre a presença de erros grosseiros. Desde que, tanto os
resíduos como a soma ponderada do quadrado dos resíduos são
variáveis aleatórias é razoável desenvolver um tipo de teste de
detecção baseado nas propriedades estatísticas dessas variáveis.
O fundamento analítico do processo de detecção de erros gros-
seiros compreende o Teste Estatístico de Hipóteses.
287
Teste de hipóteses
Para estabelecer um procedimento de detecção baseado em
testes estatísticos, considera-se as seguintes definições:
• Hipótese Estatística: conjectura acerca da distribuição
de uma ou mais variáveis aleatórias;
• Hipótese Básica (null hypothesis), H0: hipótese principal;
• Hipótese alternativa, H1: complemento da hipótese bá-
sica H0, isto é, quando H0 é falsa, H1 é verdadeira e
vice-versa;
• Teste de Hipótese: procedimento para decidir se a hi-
pótese H0 deve ser aceita ou rejeitada.
A teoria do Teste de Hipóteses define dois tipos de erros:
• Erro do tipo I: rejeição da hipótese básica H0 quando
ela é verdadeira;
• Erro do tipo II: aceitação da hipótese básica H0 quando
ela é falsa;
A Probabilidade de Falso Alarme, α: probabilidade de que
ocorra um erro do tipo I (α = nível de significância). De forma
semelhante, β é definida como a probabilidade de que ocorra
um erro do tipo II.
A quantidade 1 - β representa a probabilidade de que a
hipótese básica H0 seja rejeitada quando ela é falsa. Esta quanti-
dade é chamada função potência do teste.
No teste de hipóteses a preocupação principal é se fazer
tanto a probabilidade de falso alarme α quanto a função de po-
tência do teste β tão pequenas quanto possível. O procedimento
usual é se fixar α em um valor baixo (entre 0,01 e 0,1, por exem-
plo) e então achar um teste que maximize a função de potência
(1 - β) uniformemente sobre todas as hipóteses alternativas (tes-
tes uniformemente mais poderosos).
288
O procedimento prático para a aplicação do teste de hi-

póteses consiste em achar uma função observável das variáveis
aleatórias em estudo, que se comporte diferentemente sob as
condições das duas hipóteses. Esta diferença em comportamen-
to é usada para se projetar o teste.
Por exemplo, suponha que S é a estatística que tende a as-
sumir valores menores quando a hipótese básica H0 é verdadeira
do que quando H0 é falsa. Então, a probabilidade de falso alar-
me pode ser fixada em um valor pequeno α0. A partir de α0 e
da função densidade de probabilidade das variáveis em estudo é
possível se definir um limiar K, tal que o teste será rejeitado se
S > K e aceito caso contrário. Diz-se então que os resultados do
teste estão a um nível de significância de (100 x α0) %.
Detecção de erros grosseiros – base estatística

A aplicação do teste de hipóteses é realizada fazendo-se as
seguintes suposições:
• O vetor dos erros de medição η é distribuído como
N (0,R), isto é, possui distribuição normal com média
zero e matriz de covariância R;
• A estrutura e os parâmetros da rede são conhecidos;
• O modelo de medição é linearizado em um ponto pró-
ximo a solução.
Então, sob estas condições, J( x̂ ) tem a distribuição do
qui-quadrado (denotada por χ2) com m – n graus da liberdade,
onde m e n são, conforme definido anteriormente, o número
de quantidades medidas ao longo do sistema de potência e
o número de estados, respectivamente. Por outro lado, na
presença de erros grosseiros J( x̂ ) não apresenta a distribuição
do χ2-quadrado.
289
Assim, pode-se usar o seguinte teste de hipóteses:

• Hipótese básica H0: a soma ponderada do quadrado
dos resíduos J( x̂ ) possui a distribuição do χ2;
• Hipótese complementar H1: a hipótese básica é falsa.
Seja α0 o valor fixo da probabilidade de falso alarme (tipi-
camente entre 0,01 e 0,1). Da definição de probabilidade de falso
alarme, é possível determinar um nível K, no qual é baseado o
processo de detecção do erro grosseiro, tal que:
P(J(∆ x̂ )) > K | J( x̂ ) é χ2 = α0 (4.92)
onde P(a > b|c) representa a probabilidade de que a seja
maior do que b supondo que c é verdadeiro.
O nível K pode ser especificado como
K = χ m2 –n ; α0 (4.93)
onde χ m2 –n ; α0 denota o percentil (1 - α0) da distribuição do
χ2-quadrado com (m – n) graus de liberdade.
Portanto, o teste de detecção de erros grosseiros basea-
do na soma ponderada do quadrado dos resíduos consiste em
comparar o valor de J( x̂ ) com o valor K, obtido da distribuição
cumulativa do χ2 com (m – n) graus de liberdade e com probabi-
lidade de falso alarme igual a α0. Se J( x̂ ) > K, então há evidên-
cia de que existem medidas portadoras de erros grosseiros no
conjunto de medidas.
Os percentis da distribuição χ2 com n graus de liberdade
encontram-se tabelados na tabela 4.1.
Observação: quando o número de graus de liberdade se tor-
na elevado (na prática maior do que 30), o que ocorre frequente-
mente no caso da Estimação de Estado em Sistemas de Potência,
a distribuição do χ2 tende a se comportar como uma distribuição
Gaussiana com média (m – n). Neste caso, a quantidade
290
J ( xˆ ) − ( m − n )
(4.94)
2 x( m − n)
tem uma distribuição normal e pode substituir a distribui-
ção do χ2 na especificação do nível de K. Em termos analíticos
K é expresso como
 K − (m − n) 
Φ=   = 1 − α0
 2 x ( m − n )  (4.95)
 
onde Φ é a distribuição normal cumulativa padrão.
n x 2,995 x 2,990 x 2,975 x 2,995 x 2,950 x 2,900 x 2,750 x 2,500 x 2,250 x 2,050
1 7,88 6,63 5,02 3,84 2,71 1,32 0,455 0,102 0,0158 0,0039
2 10,6 9,21 7,38 5,99 4,61 2,77 1,39 0,575 0,211 0,103
3 12,8 11,3 9,35 7,81 6,25 4,11 2,37 1,21 0,584 0,352
4 14,9 13,3 11,1 9,49 7,78 5,39 3,36 1,92 1,06 0,711
5 16,7 15,1 12,8 11,1 9,24 6,63 4,35 2,67 1,61 1,15
6 18,5 16,8 14,4 12,3 10,6 7,84 5,35 3,45 2,20 1,64
7 20,3 18,5 16,0 14,1 12,0 9,04 6,35 4,25 2,83 2,17
8 22,0 20,1 17,5 15,5 13,4 10,2 7,34 5,07 3,49 2,73
9 23,6 21,7 19,0 16,9 14,7 11,4 8,34 5,90 4,17 3,33
10 25,2 23,2 20,5 18,3 16,0 12,5 9,34 6,74 4,87 3,94
11 26,8 24,7 21,9 19,7 17,3 13,7 10,3 7,58 5,58 4,57
12 28,3 26,2 23,3 21,0 18,5 14,8 11,3 8,44 6,30 5,23
13 29,8 27,7 24,7 22,4 19,8 16,0 12,3 9,30 7,04 5,89
14 31,3 29,1 26,1 23,7 21,1 17,1 13,3 10,2 7,79 6,57
15 32,8 30,6 27,5 25,0 22,3 18,2 14,3 11,0 8,55 7,26
16 34,3 32,0 28,8 26,3 23,5 19,4 15,3 11,9 9,31 7,96
17 35,7 33,4 30,2 27,6 24,8 20,5 16,3 12,8 10,1 8,67
18 37,2 34,8 31,5 28,9 26,0 21,6 17,3 13,7 10,9 9,39
291
n x 2,995 x 2,990 x 2,975 x 2,995 x 2,950 x 2,900 x 2,750 x 2,500 x 2,250 x 2,050
19 38,6 36,2 32,9 30,1 27,2 22,7 18,3 14,6 11,7 10,1
20 40,0 37,6 34,2 31,4 28,4 23,8 19,3 15,5 12,4 10,9
21 41,4 38,9 35,5 32,7 29,6 24,9 20,3 16,3 13,2 11,6
22 42,8 40,3 36,8 33,9 30,9 26,0 21,3 17,2 14,0 12,3
23 44,2 41,6 38,1 35,2 32,0 27,1 22,3 18,1 14,8 13,1
24 45,6 43,0 39,4 36,4 33,2 28,2 23,3 19,0 15,7 13,8
25 46,9 44,3 40,6 37,7 34,4 29,3 24,3 19,9 16,5 14,6
26 48,3 45,6 41,9 38,9 35,6 30,4 25,3 20,8 17,3 15,4
27 42,8 40,3 36,8 33,9 30,9 26,0 21,3 17,2 14,0 12,3
28 44,2 41,6 38,1 35,2 32,0 27,1 22,3 18,1 14,8 13,1
29 52,3 49,6 45,7 42,6 39,1 33,7 28,3 23,6 19,8 17,7
30 53,7 50,9 47,0 43,8 40,3 34,8 29,3 24,5 20,6 18,5
40 66,8 63,7 59,3 55,8 51,8 45,6 39,3 33,7 29,1 26,5
50 79,5 76,2 71,4 67,5 63,2 56,3 49,3 42,9 37,7 34,8
60 92,0 88,4 83,3 79,1 74,4 67,0 59,3 52,3 46,5 43,2
70 104,2 100,4 95,0 90,5 85,5 77,6 69,3 61,7 55,3 51,7
80 116,3 112,3 106,6 101,9 96,6 88,1 79,3 71,1 64,3 60,4
90 128,3 124,1 118,1 113,1 107,6 98,6 89,3 80,6 73,3 69,1
100 140,2 135,8 129,6 124,3 118,5 109,1 99,3 90,1 82,4 77,9
Tabela 4.1: Valores percentis para a distribuição qui-quadrada.
Algoritmo
O teste de detecção de medidas portadoras de erro grossei-
ro pode, portanto, ser resumido nos seguintes passos:
• Cálculo da soma ponderada do quadrado dos resíduos
J( x̂ ) após cada estimativa do vetor de estados;
292
• Comparação do valor de J( x̂ ) com o valor K, obtido (a)

da distribuição do χ2 com (m – n) graus de liberdade e
probabilidade de falso alarme α0 ou, se (m – n) > 30,
através da equação (4.95);
• Se J( x̂ ) > K, conclui-se que há medidas espúrias no
conjunto de medidas;
• Se J( x̂ ) ≤ K, conclui-se que as quantidades medidas
não estão contaminadas com erros grosseiros.
Identificação de erros grosseiros

Método do máximo resíduo normalizado
As técnicas mais largamente utilizadas para identificação
de erros grosseiros (EGs) na EESP empregam os chamados re-
síduos normalizados. O vetor de resíduos normalizados é defi-
nido como:
1
−
r N = D 2 r (4.96)
onde D é uma matriz diagonal cujos elementos são as vari-
âncias resíduos, dadas por
dii = (SR)ii (4.97)
e a matriz S é a matriz de sensibilidade dos resíduos,
dada por
S = I – H [HT R-1 H]-1 HT R-1 (4.98)
Os resíduos normalizados gozam de certas propriedades
que tornam o seu uso desejável para a identificação de erros
grosseiros. Quando, no entanto, as estimativas para os estados
forem calculadas tendo por base o método da matriz aumen-
tada, os fatores triangulares da matriz [HT R-1 H] não estão
disponíveis. Torna-se assim impraticável o cálculo de r N. Em
contrapartida, os resíduos ponderados de estimação são dire-
293
tamente obtidos como subproduto do método, ao se resolver a

equação (4.98).
É possível, portanto, optar-se pela utilização dos resíduos
ponderados nas técnicas de processamento de erros grosseiros
associados ao Método da Matriz Aumentada. Para uma breve
análise da perda de sensibilidade no teste de identificação do uso
de rN, pode-se escrever, a partir das equações 4.96 e 4.98:
rWi = sii × rNi (4.99)
onde sii é o i-ésimo elemento diagonal da matriz S definida
pela equação 4.98. Pode-se mostrar que 0 < sii < 1, sendo que
sii = 0 quando m = n e sii → 1 quando m >> n. Portanto, r wi <
rNi e rWi → rNi quando a redundância do sistema de medição é
elevada. Consequentemente, para um mesmo limiar, um teste
de identificação baseado em rWi tende a ser menos sensível que o
teste r N para valores intermediários de redundância. Para valo-
res altos de redundância, porém, os comportamentos dos testes
se aproximam.
Com base no resultado do teste de detecção de medidas
espúrias, duas alternativas podem ser tomadas. Se o teste indi-
car a não existência dessas medidas, o processo de estimação é
encerrado. Caso contrário, as medidas portadoras de erro gros-
seiro devem ser localizadas, o que requer o exame individual dos
resíduos de estimação. Se apenas uma única medida está conta-
minada com erro grosseiro, uma possível estratégia de identifi-
cação poderia ser determinar o máximo resíduo, com a expec-
tativa de que este correspondesse à medida espúria. Entretanto,
isto não é necessariamente verdade, devido aos seguintes fatos:
• Medidores de diferentes tipos de quantidades possuem
diferentes precisões, tal que as variâncias das quanti-
dades medidas podem ser significativamente afetadas;
294
• Em geral, os resíduos são correlacionados entre si,

tal que o efeito de um erro grosseiro associado a uma
medida pode se espalhar sobre os resíduos de outras
quantidades;
Para compreender melhor este último argumento, conside-
ra-se o modelo de medição linearizado representado pelas equa-
ções (4.87) e (4.88). Utilizando a equação normal, o vetor dos
resíduos de medição é dado por
r = ∆z - ∆ ẑ (4.100)
ou
r = ∆z – H × ∆ x̂ (4.101)
e, tomando ∆ fornecido pela solução da equação normal,
r = [I – H × (HT R-1 F)-1 × HT R-1] × ∆z (4.101)
Definindo-se a matriz
W = R - F × Cx x HT (4.101)
onde Cx, a matriz de covariância dos erros de estimação, é
dada por
Cx = (HT × R-1 × H)-1 (4.101)
o vetor de resíduos de estimação pode então ser expresso
como
r = (W x R-1) × ∆z = S × ∆z (4.101)
onde a matriz de sensibilidade dos resíduos
S = W × R-1 (4.106)
de dimensões (m x m) é idempotente e singular (posto (S)
= m – n). A i-ésima coluna desta matriz mostra como o efeito de
uma medida portadora de erro grosseiro se espalha entre outras
medidas.
Da equação (4.105), a matriz de covariância dos resíduos de
estimação é dada por:
Cr = E(rr T ) = E[(S∆z) (S∆z)T ] = S × E [(S∆) (S∆)T ] × ST
= S R ST = W (4.107)
295
A última passagem da equação (4.107) pode ser facilmente

verificada usando-se as equações (4.106), (4.103) e (4.104).
Portanto, o espalhamento do efeito dos erros grosseiros so-
bre os resíduos de estimação pode ser investigado observando-
se a coluna da matriz de sensibilidade dos resíduos correspon-
dente à medida espúria. Uma característica desejável na matriz S
é que os elementos diagonais sejam significativamente maiores
do que os elementos fora da diagonal. Isto resulta em que os
efeitos das medidas portadoras de erro grosseiro se reflitam pre-
dominantemente no resíduo correspondente. É possível provar,
que se houver redundância suficiente entre as quantidades me-
didas os termos diagonais da matriz S serão dominantes, isto é
sii >> si,j para i ≠ j (4.108)
o que propiciará uma melhor identificação das eventuais
medidas espúrias. Todavia, desde que geralmente as covariân-
cias dos resíduos são diferentes, deve-se particularizar o concei-
to de redundância para refletir a condição individual das barras
componentes do sistema. Define-se redundância local de uma
barra considerando-se apenas as variáveis de estado e as medi-
das relacionadas a barra em questão e as barras que compõem a
sua vizinhança de segunda ordem. Resultados práticos da Esti-
mação de Estados em Sistemas de Potência tem indicado que a
redundância local é um fator decisivo no processo de identifica-
ção dos erros grosseiros.
Outro fato que deve ser levado em consideração no proce-
dimento de identificação de medidas espúrias é que diferentes
tipos de medidores possuem, em geral, variâncias distintas, tal
que um valor de resíduo discrepante para uma medida pode ser
perfeitamente aceitável para outra medida. É necessário, por-
tanto, normalizar os resíduos de estimação de forma a permitir
uma comparação dos mesmos sob uma mesma base. Desde que
296
os erros de medição são supostos ter distribuição normal com

média zero e matriz de covariância R, pode-se inferir, com o
auxílio das equações (4.102) e (4.107), que os resíduos de estima-
ção também possuem uma distribuição normal com média zero,
porém com matriz de covariância igual a W.
Uma forma conveniente e razoável de comparar os resídu-
os de estimação consiste em observar os valores destas quanti-
dades, normalizados com relação aos desvios padrões corres-
pondentes. Os desvios padrões dos resíduos são iguais a raiz
quadrada dos termos diagonais da matriz W. Se a existência de
medidas espúrias for detectada, a medida correspondente ao
máximo resíduo normalizado é muito provavelmente aquela
portadora de erro grosseiro.
Observações
Uma das dificuldades inerentes ao processo de identifica-
ção de erros grosseiros baseados na busca do máximo resíduo
normalizado é o esforço computacional requerido no cálculo
da variância dos resíduos. Apesar de que apenas os elementos
diagonais da matriz W são necessários, é indispensável que se
execute a inversão explícita de uma matriz, conforme mostrado
na equação (4.104). Vários métodos têm sido propostos na lite-
ratura para reduzir o número de operações requeridas, dentre as
quais um dos mais utilizados é o algoritmo para a determinação
da matriz esparsa-inversa, no qual apenas os elementos da ma-
triz de covariância dos erros de estimação Cx que correspondem
aos não-zeros de (HFT ) precisam ser calculados.
A matriz (HTR-1F) tem acentuada tendência a problemas
de condicionamento numérico, o que pode resultar em valores
negativos para as variâncias e, portanto, em uma impossibilida-
de teórica.
297
No caso de erros grosseiros múltiplos não-iterativos, o

procedimento de identificação deve ser estendido para incluir a
condição na qual as covariâncias entre quaisquer dois pares de
resíduos correspondentes a medidas espúrias têm valores baixos
em relação as respectivas variâncias. Essa extensão consiste em
ordenar, após cada estimação em que o teste de detecção indicar
a presença de medidas espúrias, os resíduos normalizados em
ordem decrescente de magnitude e eliminar a medida corres-
pondente ao máximo resíduo normalizado.
Recuperação de medidas portadoras de erro

grosseiro
A recuperação de medidas portadoras de erros grosseiros
em Estimação de Estados em Sistemas de Potência (EESP)
consiste fundamentalmente em se estimar a amplitude do erro
grosseiro, e assim gerar uma pseudomedida que se aproxime do
valor correto da quantidade medida.
Nesta seção apresenta-se o desenvolvimento teórico de
uma técnica de recuperação e sua associação com o método de
solução baseado na equação normal. Mostra-se como podem
ser vantajosamente exploradas as características do estimador
clássico, de forma a permitir que todas as etapas do tratamen-
to – detecção, identificação e recuperação – da medida incor-
reta sejam executadas após o processo iterativo que fornece as
estimativas.
Base teórica
Considera-se a existência de apenas uma medida com erro
grosseiro em um conjunto de medidas. Tal medida pode ser ex-
pressa como
298
zke = zk + β (4.109)

onde zke é o valor da medida espúria, zk é o valor da medida
sem erro grosseiro; e β representa a amplitude do erro grosseiro.
O vetor correspondente ao modelo linearizado de medidas
portadoras e não portadoras de erro grosseiro, numa dada itera-
ção é escrito como
∆ze= ∆z + β ek (4.110)
onde ek é um vetor m x 1, com todos os elementos nu-
los exceto o k-ésimo elemento, que é unitário. Os vetores ∆ze e
∆z são calculados com o auxílio do vetor de estados estimado
na iteração corrente, o qual está sob efeito da presença do erro
grosseiro.
Substituindo a equação (4.110) na equação (4.105), o vetor
dos resíduos é expresso como
r e= S × ∆z + β sk (4.111)
onde sk é a k-ésima coluna da matriz de sensibilidade dos
resíduos S.
A recuperação da medida espúria consiste em se estimar a
amplitude do erro grosseiro β e gerar uma pseudo-medida sub-
traindo este valor da medida incorreta. É possível determinar β
através da estratégia mostrada a seguir:
Seja a estimativa para amplitude do erro grosseiro que mi-
nimiza a função objetivo
J(β) = (r e - β sk )T × R-1 (r e - β sk )
(4.112)
Da condição necessária para mínimo para mínimo da fun-
ção J(β), isto é
∂ J(β )
= 0 (4.113)
∂β
resulta
SkT R −1sk )βˆ = SkT R −1r e (4.114)
299
de tal forma que

ˆ SkT R −1r e
β = T −1 (4.115)
( Sk R s k )
A análise da equação (4.115) mostra que o denominador do
segundo termo pode ser escrito como
( SkT R-1 sk) = [ST × R-1 × S]kk (4.116)
O produto matricial [ST × R-1 × S] expresso em termos da
equação (4.105) fornece
ST × R-1 × S = (W × R-1)T × R-1 × (W × R-1) = (4.117)
R-1 (W × R-1 × W) × R-1
Desde que a matriz R-1 × W é idempotente,
W × R-1 × W = W (4.118)
e a equação (4.117) é reescrita como
ST × R-1 × S = R-1 × W × R-1 (4.119)
Substituindo-se a equação (4.119) na equação (4.116),
obtém-se
(SkT R -1Sk ) = [ R -1 x W x R -1 ]kk = σ −2 × rk e (4.120)
Com base na definição de sk e utilizando as equações
(4.105) e (4.119), o numerador da equação (4.115) pode ser ex-
presso como
SkT R -1 r e = σ −2 × rk e (4.121)
A substituição das equações (4.120) e (4.121) na equação
(4.115) fornece
−2
σ
βˆ = × rk e (4.122)
w kk
A equação (4.122) permite o cálculo da amplitude do erro
grosseiro em função das covariâncias do erro de medição (σk) e
do resíduo de estimação (Wkk), e do resíduo associado a medida
k. A medida recuperada é determinada com o auxílio das equa-
ções (4.109) e (4.122) e expressa como
300
σ −2
zkrec = zke × rk e (4.123)
w kk
ou, em termos do resíduo normalizado,
−2
e σ
zk = zk
rec
× rNke (4.124)
w kk
onde zkrec é o valor da medida recuperada.
Resíduo associado à medida recuperada

Supõe-se que o procedimento mostrado na seção 4.8.6 é
aplicado em uma dada iteração para recuperar o k-ésimo ele-
mento do vetor incremental das quantidades medidas ∆z e , o
qual corresponde a medida portadora de erro grosseiro. A apli-
cação da equação (4.123) resulta em
σ −2
zkrec = zke − × rk e (4.125)
w kk
O valor dos resíduos, após a recuperação da medida espúria
é dado por
r rec = S × z rec = w × R -1 × zkrec (4.126)
onde os elementos do vetor ∆z rec são os mesmos componentes
do vetor ∆z e exceto pelo k-ésimo elemento, o qual é dado pela
equação (4.125). Portanto, o k-ésimo pode ser escrito como
r rec = ∑im=1,i≠ k wki σ i−2 zie + wkk σ k−2 zkrec (4.127)
ou usando a equação (4.125)
r rec = ∑im=1wki σ i−2 zie + rke (4.128)
Entretanto, a análise desta última equação permite obser-
var que o termo correspondente a somatória é o próprio resíduo
da k-ésima medida, calculado antes da recuperação. Esta equa-
ção pode ser escrita como
301
∑ m
i =1 wki σ i−2 zie = rke
(4.128)
e, portanto
rrec = 0 (4.130)
Conclui-se, portanto, que a geração de uma pseudomedi-
da pela subtração do erro grosseiro da medida espúria afeta a
soma ponderada do quadrado dos resíduos no sentido de eli-
minar desta quantidade a contribuição da medida originalmen-
te incorreta.
Método B̂B para processamento de erros

grosseiros
descrição do método
O chamado Método b̂ para detecção e identificação de er-
ros grosseiros foi originalmente proposto como uma alternativa
para o teste J( x̂ ) convencionalmente usado no estágio de detec-
ção. O método baseia-se na consideração de que a variável dada
pela equação (4.122) pode ser interpretada como uma estimativa
do erro associado à medida, isto é, de quanto a medida é dis-
crepante das demais. Comparando-se a magnitude desta discre-
pância com um limiar λσ, onde σ é o desvio-padrão da medida
considerada e λ um inteiro usualmente considerado igual a 4, é
possível se concluir se o erro está ou não fora da faixa esperada
de ± 3 σ.
Reconsidera-se a equação (4.122), reescrevendo-a na forma:
ˆ σ k2
βk = × rNk
Wkk
(4.131)
onde o índica k indica quantidades associadas à medida k.
A magnitude do erro, expressa em números de desvios-padrão,
é então dada por:
302
βˆ k σk
bˆk = = × rNk
σk Wkk (4.131)
A partir dessas considerações, é possível propor o seguinte
algoritmo, que na realidade se presta tanto à detecção quanto à
identificação de erros grosseiros.
algortimo
1 - Estimar os estados e calcular os resíduos normalizados
rNk para todas as medidas correntemente disponíveis ao
estimador;
2 - Seja i a medida com a maior magnitude de resíduo nor-
malizado. Calcular b̂i, a partir da equação (4.124);
3 - Se b̂i ≤ λ, a medida k é considerada válida, concluindo-
se em consequência que não há erro grosseiro entre as
medidas consideradas no passo 1. Se b̂i > λ, a medida
i é considerada portadora de erro grosseiro. Prosseguir
com a etapa 4.
4 - Eliminar a medida i do plano de medição e retornar ao
passo 1.
303
EXEMPLOS
Exemplo 4.1
Considera-se o sistema de 4 barras e o plano de medição
representados na figura 4.8. O modelo de medição linear corres-
pondente é dado por:
 z   − y12 0 0 
  η 
 t 12     t 12 
   y 0 0   
 zt 21   12
  η t 21 
   
 zt 31   0 y31 0 
  η t 31 
   
 zt 43  =  0 − y y

 δ +  η t 43 
  34 34
 
 z p1   − y − y 0

  η p1 
   
 z   
12 13
  η p2 
 p 2   y12 + y23 + y124 − y23 − y24   
     
 zp4   − y − y y + y   η p4 
   24 34 34 24
  
A matriz de covariância dos erros de estimação é dada por
R = diag {σ 2t12 , σ 2t21, σ 2t31, σ 2t43, σ 2p1, σ 2p2 , σ 2p4}
Onde os são as variâncias das medidas de fluxo de
potência ativa e os são as variâncias das medidas de injeção de
potência ativa.
304
UNIDADE • 05
Desregulamentação e novos mercados
de energia.
DESREGULAMENTAÇÃO E NOVOS MERCADOS
DE ENERGIA
Coordenação hidrotérmica
Introdução
O despacho econômico hidrotérmico visa determinar
as participações das gerações de origem hidráulica e de origem
térmica no atendimento da demanda. O problema é complexo
porque depende do grau de dificuldade em se prever as aflu-
ências naturais aos reservatórios, do maior ou menor grau de
armazenamento de água nos mesmos, etc. Em geral, a partici-
pação térmica é determinada de modo a propiciar o uso mais ra-
cional possível da água dentro do contexto de incertezas quanto
às afluências futuras, de modo a, por um lado, minimizar o risco
de déficit de geração de energia, e por outro, reduzir o desperdí-
cio de energia hidráulica implicado por vertimento de volumes
de água turbináveis.
Para melhor tratar as incertezas associadas às afluên-
cias aos reservatórios e ao crescimento da carga, o problema
da programação da operação de sistemas hidrotérmicos é em
geral abordado em horizontes de tempo distintos, em que metas
estabelecidas em um dado horizonte de tempo devem ser cum-
pridas no horizonte de menor prazo seguinte. Quanto maior o
horizonte de planejamento, tanto menos detalhada e mais incer-
ta é a programação. Os horizontes usuais de planejamento da
operação são:
• Programação de longo prazo: considera horizonte de
5 anos com discretização mensal para determinar as
participações de geração hidráulica e térmica e inter-
5 Desregulamentação e novos mercados de energia
câmbios de energia. Os reservatórios são agregados em

um reservatório equivalente.
• Programação de Médio Prazo: considera horizonte de
1 ano com discretização semanal. Utiliza métodos de
previsão de vazões para determinar as participações
térmica e hidráulica no atendimento da demanda.
• Programação de curto prazo: neste caso o horizonte é
semanal com discretização horária. Em geral a aborda-
gem é determinística, e aspectos energéticos, hidráu-
licos e elétricos são simultaneamente considerados.
Assim, a rede elétrica, os intercâmbios e características
das unidades hidráulicas são todos representados.
Programação da operação a médio prazo

Os métodos usualmente empregados no horizonte anual
podem ser agrupados como:
• Métodos empíricos: baseiam-se na história passada,
prevendo situações semelhantes;
• Métodos baseados em simulação: são aperfeiçoamento
dos métodos empíricos, usando modelos matemáticos que
permitem analisar grande número de casos, dos quais se
deduz uma solução (não necessariamente a ótima global);
• Métodos precisos: resolvem o problema formulado por
uma técnica de otimização, como programação dinâ-
mica estocástica, necessitando, portanto, de modelos
matemáticos mais ou menos sofisticados.
Dentre os métodos utilizados nos horizontes de médio
e longo prazo, destacam-se a estratégia baseada na curva-limite
do reservatório equivalente do sistema e a estratégia baseada no
valor marginal da água.
310
Estratégia baseada na curva-limite

Trata-se de uma estratégia determinística tradicional. A
curva-limite indica o nível de armazenamento do sistema abaixo
do qual as usinas térmicas devem ser acionadas para garantir o
atendimento da demanda, tendo por base o histórico das vazões
registradas no passado. Procura-se, portanto, chegar ao fim do
período de planejamento sem ocorrências de déficits.
A curva-limite ilustrada na figura 5.1 é obtida a partir da
simulação da operação do sistema para um dado ano hidrológico.
Figura 5.1: Curva-limite para programação hidrotérmica de médio prazo.
Durante a operação ao longo do ano hidrológico, pro-

cura-se acompanhar a curva-limite, ora reduzindo a participa-
ção térmica, se o nível do reservatório equivalente está acima da
curva-limite, ora aumentando-a, se o nível do reservatório está
abaixo da curva-limite. Com isto procura-se evitar vertimento
(desperdício) de água e o risco de déficit de suprimento que re-
sultaria da exaustão do volume útil armazenado. Este método é
um compromisso entre operação econômica a segurança. Con-
duz a uma expectativa elevada de atendimento, mas com altos
custos de geração térmica fora dos períodos secos.
311
Estratégia baseada no valor marginal da água

Neste caso, busca-se minimizar o custo total de atendi-
mento da demanda, que inclui o custo da geração térmica mais o
custo do déficit. Isto é, procura-se operar com a geração térmica
mínima nos períodos hidrologicamente favoráveis e elevar a ge-
ração térmica nos períodos hidrologicamente adversos.
Para operacionalizar esta estratégia, é necessário definir
o valor marginal da água. Este é definido como a derivada do
custo esperado atualizado da geração térmica e da energia não
suprida em relação à produção da energia hidráulica ao longo
de um período. Em outras palavras, o valor marginal da água
representa o acréscimo de custo decorrente da utilização de uma
unidade de energia armazenada ao longo do período. O valor
marginal da água está associado a cada estado do sistema, ca-
racterizado por um nível de armazenamento e pela tendência
hidrológica. O valor marginal da água tende a crescer com a
diminuição da energia armazenada e com a redução do valor da
virável que representa a tendência hidrológica (isto é, quando a
expectativa de afluências é mais pessimista que o valor corrente).
A figura 5.2 ilustra essa pendência.
Com a disponibilidade do valor marginal da água para
os diferentes estados de operação do sistema, é possível definir
um problema de otimização para determinar a estratégia ótima
de operação das térmicas. Por exemplo, para um dado estado de
operação, as térmicas de custo marginal inferior ao valor margi-
nal da água devem operar no máximo, já que isto é mais econô-
mico que gerar com as usinas hidráulicas, as térmicas de custo
marginal superior ao valor marginal da água devem operar no
mínimo, etc.
312
Figura 5.2: Variação do valor marginal da água com a tendência hidrológica e o nível de
armazenamento dos reservatórios.
Planejamento da operação de curto prazo

Será analisado dois problemas típicos de planejamento
da operação hidrotérmica no horizonte de curto prazo:
• Em sistemas hidrotérmicos onde há predominância de
geração de origem hidráulica, busca-se em geral mini-
mizar os custos da geração térmica. Frequentemente
estes problemas são do tipo de programação de ener-
gia, em que há restrições de energia para a geração hi-
dráulica, e, portanto, há a necessidade de se operar as
térmicas em subintervalos do horizonte de tempo de
interesse;
313
• Em sistemas hidrotérmicos onde há equilíbrio entre

as gerações de origem térmica e hidráulica, ou onde a
primeira predomina sobre a segunda, o objetivo é mi-
nimizar os custos da geração térmica, porém reconhe-
cendo as diversas restrições hidráulicas existentes.
Programação hidrotérmica com restrições de

energia hidráulica
Considera-se o sistema formado por uma usina térmica
(UTE) e uma usina hidrelétrica (UHE) equivalentes alimentan-
do uma carga, conforme ilustrado na figura 5.3.
Figura 5.3: Sistema hidrotérmico formado por hidrogerador e turbogerador equivalentes.
Considera-se que a expressão da vazão q em função da

potência gerada pelo hidrogerador, PH, é conhecida. Da mesma
forma, é conhecida a função de custo de produção da térmica,
F(P T ). Além disso, considera-se que ambas as potências geradas,
assim como a carga, variam com o tempo ao longo do horizonte
considerado, que é suposto discretizado em jmax intervalos de
314
tempo durante um dado horizonte de tempo de duração Tmax.

Cada intervalo de tempo j tem duração de hj horas. Portanto:
(5.1)
As potências geradas e da carga para cada intervalo de
tempo j serão designadas por PHj, P Tj e PLj.
No problema de programação hidrotérmica com restri-
ção de energia, considera-se que a UHE tem capacidade sufi-
ciente para alimentar a carga por um período limitado de tem-
po, mas a energia de origem hidráulica disponível é insuficiente
para alimentar a carga durante todo o horizonte de tempo. Isto
é, embora
(5.2)
tem-se que:
(5.3)
O objetivo da programação de energia é usar toda a energia
hidráulica disponível durante o horizonte de tempo de modo a
minimizar o custo de funcionamento das térmicas. Da restrição
de energia (5.3), vê-se que a energia E a ser gerada pela térmica
durante o horizonte de tempo deve ser dada por
(5.4)
Além disso, não se exige que a térmica funcione durante
todo o horizonte de tempo Tmax. Seja NT o número de intervalos
de operação da térmica. Então
(5.5)
e
(5.6)
O problema de coordenação hidrotérmica com restrição de
energia pode então ser formulado como:
315
s.a. (5.7)
onde
(5.8)
e F T(P T ) representa o custo total de geração térmica ao lon-
go de todo o horizonte de tempo. A função Lagrangeana corres-
pondente ao problema (5.7) é:
(5.9)
Uma condição de otimalidade para o problema (5.7) é:
(5.10)
Como a é constante, a condição (5.10) implica que a UTE
deve operar a um custo incremental constante durante todo o
período de tempo em que está em operação. Dada a natureza
monotônica da Função F(P T,k) isto significa que a potência gera-
da pela UTE deve ser constante ao longo de todo o seu intervalo
de funcionamento.
Seja então este valor ótimo constante da geração térmica,
isto é,
(5.11)
Da condição (5.5), tem-se que
(5.12)
e portanto
(5.13)
316
Por outro lado, a equação (5.11) implica que o custo total da

térmica pode ser reescrito como:
(5.14)
Ao se supor que a função de custo de produção da térmica
pode ser aproximada por uma função quadrática do tipo
(5.15)
vê-se que a equação (5.14) assume a forma
(5.16)
ou ainda, usando a expressão de T T em termos de dada
pela equação (5.13),
(5.17)
observa-se que, essencialmente, os passos deste a equação
(5.10) até (5.17) correspondem à interpretação da restrição (5.5)
e a avaliação do impacto desta interpretação sobre a função-ob-
jetivo do problema (5.7). O problema portanto se reduz à solu-
ção do seguinte problema de otimização irrestrito:
(5.18)
cuja solução é obtida de
(5.19)
ou
(5.20)
317
A equação (5.20) indica que o despacho ótimo da tér-

mica independe de E e corresponde ao ponto mais eficiente de
operação da UTE.
Conclui-se, portanto, que a solução ótima para o pro-
blema de despacho de energia requer que a térmica seja des-
pachada a potência constante durante todo o seu período de
funcionamento. Em princípio, a UTE pode iniciar sua operação
a qualquer instante do horizonte de tempo entre t = 0 e t =
Tmax – T T. Entretanto, convém que a entrada em operação seja
logo no início do horizonte de tempo, pois qualquer alteração de
previsão, seja de demanda, seja de disponibilidade hidrelétrica,
deverá ser atendida via maior ou menor participação térmica.
Para isto, basta estender ou reduzir o tempo de utilização da tér-
mica em sua potência de máxima eficiência. A figura 5.4 ilustra
estas considerações.
Figura 5.4: Curva de carga e participação térmica e hidráulica em problema de programação

com restrição de energia.
318
Programação hidrotérmica de curto prazo

Formulação incluindo perdas de transmissão
Outro problema de coordenação hidrotérmica de muito
interesse prático é aquele em que se requer que um dado volume
d’água seja utilizado para minimizar o custo de operação das
térmicas, que neste caso são supostas operar durante todo o ho-
rizonte de tempo de estudo, já que se considera que a geração de
origem hidráulica não tem potência suficiente para alimentar a
carga. Estes aspectos diferenciam a Programação Hidrotérmica
de Curto Prazo do problema de programação com restrição de
energia abordado na seção 5.1.4.
Para apresentar o problema, será considerado um siste-
ma formado por uma UTE e uma UHE equivalentes. Há um
máximo volume d’água que pode ser turbinado ao longo de Tmax
horas, definido a partir dos estudos de planejamento da operação
de médio prazo. Será também suposta a ausência de vertimento
e ainda que a altura d’água no reservatório permanece aproxima-
damente constante ao longo do horizonte de estudo. Esta última
hipótese implica que a potência produzida pela UHE depende
da vazão turbinada (ou engolimento), de modo que é possível
expressar a vazão q no intervalo j como uma função de PH,j.
Seja Vtot o volume disponível para ser turbinado durante
o horizonte de Tmax horas, que como antes, é discretizado em jmax
intervalos, sendo que o intervalo j, j =1, ..., jmax, tem duração de hj
horas. O problema de programação hidrotérmica de curto prazo
é então enunciado como:
s.a.
(5.21)
319
onde PL,j é a carga do sistema no intervalo j e Pperdas,j repre-

senta as perdas de transmissão no intervalo j. Supõe-se que a
carga é constante ao longo de cada intervalo j e a relação entre
Tmax e hj continua sendo dada pela equação (5.1).
A função Lagrangeana relativa ao problema (5.21) é
dada por:
(5.22)
onde
(5.23)
lj, j = 1, ..., jmax são os multiplicadores de Lagrange
associados às restrições de balanço de potência em cada intervalo
de tempo, e g é o multiplicador de Lagrange (escalar) associado
à restrição de volume.
Nota-se que a restrição de volume é uma só, mas envol-
ve as potências geradas na UHE em cada intervalo de tempo
j. Pelo fato de perpassar todos os intervalos do horizonte de
tempo estudado, este tipo de restrição é chamado de restrição
intertemporal.
As condições necessárias para a solução ótima do pro-
blema (5.21) em um dado intervalo k são:
(5.24)
e
(5.25)
320
As equações (5.24) e (5.25) podem ser reescritas como
(5.26)
(5.27)
As equações (5.26) e (5.27) são chamadas equações de
coordenação hidrotérmica.
Caso particular: perdas de transmissão desconsideradas

Considera-se agora que as perdas de transmissão podem
ser desprezadas, ou seja
PPerdas,j = 0 j = 1, ..., jmax (5.28)
Além disso, supõe-se também que os intervalos de tem-
po são de igual duração, isto é
hj = h j = 1, ..., jmax (5.29)
Neste caso, as equações de coordenação (5.26) e (5.27)
tornam-se:
(5.30)
(5.31)
Supondo adicionalmente que a função q(PH ) pode ser
aproximada como
(5.32)
321
de tal forma que = constante, vê-se da equação
(5.31) que, sob as hipóteses consideradas, lk será constante
sobre todos os intervalos de tempo. Levando este resultado à

equação (5.30), facilmente conclui-se que as térmicas deverão
operar com custos incrementais constantes, o que por sua vez
implica que as potências geradas pelas térmicas serão igualmen-
te constantes durante todo o horizonte de tempo.
Esta versão simplificada da coordenação hidrotérmica
também permite fazer uma interpretação bastante útil do mul-
tiplicador de Lagrange g. Para tanto, lembrando-se da relação
entre as funções de taxa de calor H e de custo de produção F,
dada por
F(P T ) = f × H(P T ) (5.33)
onde é o custo de combustível. Substituindo esta relação na
equação (5.30), se obtém
(5.34)
Comparando agora as equações (5.31) e (5.34) e levando em
conta que H e q desempenham um papel similar como funções
que traduzem a taxa de entrada de energia para a UTE e para a
UHE, respectivamente, pode-se concluir que a variável g, me-
dida em $/dam3, deve ter um papel análogo a f, em $/MBtu. Em
outras palavras, g está para a UHE assim como f está para a
UTE. A variável g é o valor marginal da água. Considerando
dois valores de volume d’água disponível para ser turbinado por
uma UHE sob as mesmas condições, Vtot1 e Vtot2 , Vtot1 > Vtot2 ,
322
pode-se esperar que, se g1 e g2 são os valores marginais da

água correspondentes, então g1 > g2.
É importante salientar que as conclusões acima também
pressupõem que nenhum limite de geração foi atingido.
Solução computacional da coordenação hidro-

térmica de curto prazo
No caso geral em que as perdas de transmissão não
podem ser desprezadas, a solução das equações de coordena-
ção hidrotérmica (5.26) e (5.27) juntamente com as restrições
de balanço de energia e volume do problema (5.21) forma um
conjunto de (6 jmax + 1) equações não-lineares para determinar
um igual número de incógnitas. Serão discutidos três algoritmos
computacionais para resolver este problema.
Algoritmo da iteração l – g
O método clássico para solução do problema de coor-
denação hidrotérmica é baseado no chamado algoritmo da ite-
ração l - g. Ele consiste de três laços: o mais interno é um
laço iterativo que ajusta os multiplicadores de Lagrange li para
obter uma solução das equações de coordenação hidrotérmica
e da equação de balanço de potência. O laço intermediário me-
ramente incrementa os intervalos de tempo até esgotar o ho-
rizonte de tempo de estudo. Finalmente, o laço mais externo
ajusta iterativamente o multiplicador de Lagrange da restrição
de volume, g, até que esta restrição seja cumprida. O algoritmo
é descrito abaixo. As tolerâncias e1 e e2 são números positivos
de valor suficientemente pequeno para verificar o cumprimento
das restrições de balanço de carga e de máximo volume a ser
turbinado.
323
1 - Inicializar lk, g e P T,k;

2 - Inicializar contador de intervalos de tempo: j = 1;
3 - Resolver as equações de coordenação
para P T,j e PH,j;

4 - Verificar se a equação de balanço de carga
PL,j + Pperdas,j – PH,j – P T,j,  e1
é satisfeita. Em caso positivo, ir para o passo 5. Em caso
negativo, projetar novo valor para lj e retornar ao passo 3;
5 - Calcular qj = q(PH,j);
6 - Se j = jmax, ir para o passo 7. Senão, fazer j  j + 1 e
retornar ao passo 3;
7 - Verificar cumprimento da restrição de máximo volume
Se a restrição for satisfeita, FIM. Senão, projetar novo

valor para g e reiniciar o processo iterativo no passo 3.
Programação quadrática sequencial

A programação quadrática (PQ) é um dos problemas
canônicos em Pesquisa Operacional. Trata-se de um problema
de otimização em que a função objetivo é quadrática e as res-
trições, tanto de igualdade quanto de desigualdade, são funções
lineares das variáveis de decisão. Existem algoritmos bem defi-
nidos para a solução de problemas de PQ. O método primal-du-
al de pontos interiores, por exemplo, pode ser aplicado eficien-
temente à solução de problemas PQ.
324
Quando a formulação do problema de interesse foge

à definição dos problemas de PQ, muitas vezes ainda é possí-
vel aproximá-los de modo a aproveitar os algoritmos disponí-
veis. Este é o caso do problema de coordenação hidrotérmica,
em que a função-objetivo é muitas vezes quadrática, como
considerado neste capítulo, mas as restrições são não-linea-
res, pela presença das perdas de transmissão e/ou de funções
de vazão não-lineares em PH. Apesar disso, a solução deste
problema pode ser obtida através de um processo iterativo
em que, a cada iteração, as restrições são linearizadas com
relação à solução da iteração anterior. Cada um dos problemas
elementares, resolvidos a cada iteração, torna-se um problema
de PQ, e a solução final é obtida através da solução sucessiva
de tais problemas. Este método iterativo é conhecido como
Programação Quadrática Sequencial (PQS). Uma vantagem
desta formulação é que restrições de desigualdade, tais como
as de limite de geração, podem ser facilmente consideradas no
problema, ao contrário dos algoritmos clássicos como o da
Iteração l - g.
Método primal-dual de pontos interiores

O método primal-dual de pontos interiores, cuja apli-
cação ao problema de despacho econômico, pode ser tam-
bém aplicado com vantagens ao problema de coordenação
hidrotérmica. Entre estas vantagens, inclui-se a representa-
ção explícita das restrições de limites de geração, o que nor-
malmente é considerado uma dificuldade para os algoritmos
clássicos.
A formulação será apresentada juntamente com as
principais extensões do método de pontos interiores, já apre-
325
sentado no contexto do despacho econômico de unidades

térmicas, visando sua aplicação ao problema de coordenação
hidrotérmica.
Formulação do problema
Seja um sistema composto por uma unidade hidráuli-

ca e uma unidade térmica equivalentes alimentando uma carga
durante um horizonte de tempo composto por N intervalos de
igual duração, h. A rede elétrica não é explicitamente represen-
tada. Supõe-se que a carga varia de intervalo para intervalo,
porém é constante ao longo de cada intervalo. Além disso, a
unidade hidráulica deve turbinar um volume especificado Vesp
de água ao longo dos N intervalos de tempo. Supõe-se também
que a potência gerada pela unidade hidráulica só depende da
vazão turbinada. O problema de despacho hidrotérmico visa
minimizar o custo total da unidade térmica utilizando para tan-
to o volume turbinável de água da maneira mais econômica
possível. O problema de otimização correspondente é formu-
lado como:
s.a. (5.35)
326
onde
F(P Ti) = custo da unidade térmica no intervalo i, em $/h;
P T = vetor N x 1 das potências térmicas geradas nos N intervalos;
PH = vetor N x 1 das potências hidráulicas geradas nos N
intervalos;
q(PH ) = vetor N x 1 das vazões turbinadas nos N intervalos;
PL = vetor N x 1 das cargas elétricas nos N intervalos;
l (P T, PH ) = vetor N x 1 das perdas de transmissão nos N
intervalos;
limites superiores e inferiores para a potência térmica

gerada;
variáveis de folga correspondentes aos limites de P T;
limites superiores e inferiores para a potência hidráu-
lica gerada;
variáveis de folga correspondentes aos limites de PH;
Equações do método de Newton para o problema primal/dual

usando ordenação por tipo de variável
Função Lagrangeana e Condições Necessárias de Pri-

meira Ordem: adicionando-se barreiras logarítmicas para as va-
riáveis não negativas, a função Lagrangeana para o problema
(5.35) é: (5.36)
Os termos referentes aos limites de geração podem ser

reescritos como:
327
(5.37)
ou, definindo-se apropriadamente as matrizes Ft e Fh e os veto-
res , s e Plim:
(5.37)
Consequentemente, a função Lagrangeana torna-se:
(5.39)
As condições de otimalidade de primeira ordem são:
(5.40)
onde e é um vetor coluna de dimensões apropriadas cujos ele-
mentos são iguais à unidade.
e
328
(5.41)
Além disso, é conveniente também definir
(5.42)
Equações do Método de Newton: as equações do méto-
do de Newton para gerar uma direção de busca dada por:
(5.43)
são obtidas da equação:
(5.44)
onde é a matriz Hessiana de L e o expoente k indica
valores das variáveis em um dado ponto de operação.
Matriz Hessiana: os termos não nulos da Hessiana são da-

dos por:
• Primeira linha:
(5.45)
e
329
(5.46)
• Segunda linha
(5.47)
Os demais elementos desta linha são dados por
(5.48)
• Terceira linha
(5.49)
• Quarta linha
(5.50)
• Quinta linha
(5.51)
• Sexta linha
(5.52)
330
Componentes do Gradiente: os componentes do gra-

diente dados nas equações (5.40) devem ser calculados na so-
lução corrente k para então compor o lado direito da equação
(5.44). Denotando por b o vetor do lado direito, têm-se, portanto:
(5.53)
Equação do método de Newton na Forma Explícita

Usando Ordenação por tipo de Variável
A equação básica do método de Newton é dada por:
(5.54)
com b dado conforme acima e
(5.55)
(5.56)
Observações:
331
• Considerando o fato da função-objetivo F(P T ) ser se-

parável no tempo e também que l i (P T, PH ) só depen-
de de P Ti e PHi, é possível se concluir que a matriz é
diagonal. O mesmo se aplica às matrizes Wphph, Wp p ,
T h
;
• De (5.55), observa-se que o vetor linha acopla

completamente as potências hidráulicas phi, i = 1, ..., N, o
que confirma o caráter intertemporal da restrição de volume.
Equações do Método de Newton para o Problema Primal/Dual

usando ordenação por intervalo de tempo
Na seção anterior chegou-se a equações do Método de

Newton nas quais as incógnitas no vetor u foram organizadas de
acordo com o tipo de variável. Nesta seção, as mesmas equações
serão reescritas ordenando-se as incógnitas por intervalo de tempo.
Considera-se, portanto, que as variáveis do problema que
variam com o tempo são organizadas em cada intervalo como:
(5.57)
Consequentemente, o vetor de incógnitas u será reorde-
nado como:
(5.58)
Nota-se que o multiplicador de Lagrange g ocupa a úl-
tima posição em x por ser a única variável que não varia com o
tempo. As equações são também reordenadas na forma:
(5.59)
332
e o vetor do lado direito, b, deve também ser reordenado corres-

pondentemente. Denota-se por bM o resultado desta reordenação.
Com a nova ordenação de variáveis e equações, a equa-
ção matricial do método de Newton da equação (5.54) assume
a forma:
(5.60)
onde as matrizes M i, i = 1. ..., N, têm estrutura similar à da ma-
triz de um problema de FPO convencional, e envolve apenas va-
riáveis do intervalo i, isto é, as variáveis do subvetor xi. O vetor
r na equação (5.60), por outro lado, depende da matriz Qh defi-
nida em (5.41). Observa-se que, não fosse pela presença de r, os
N problemas de FPO expressos pelas matrizes M i, um para cada
intervalo de tempo, seriam totalmente desacoplados. Em outras
palavras, a presença da restrição de volume é a única razão pela
qual a solução para o problema expresso pela equação (5.60) não
pode ser obtida resolvendo-se N FPOs independentes.
Inclusão de restrições hidráulicas

Esta seção descreve uma forma mais detalhada de repre-
sentação das UHEs, na qual são explicitamente representadas di-
versas variáveis hidráulicas. As restrições de volume são especifica-
das por intervalo de tempo e a formulação contempla a imposição
de limites operacionais sobre as diversas variáveis hidráulicas.
333
A figura 5.5 representa esquematicamente as diversas

variáveis hidráulicas envolvidas. São elas:
rj = vazão afluente para o reservatório durante o intervalo j, em
hm3/h;
q j = vazão turbinada, ou engolimento, no intervalo j, em hm3/h;
uj = taxa de vertimento no intervalo j, em hm3/h;
Vj = volume armazenado no reservatório no intervalo j, em hm3.
Figura 5.5: Variáveis hidráulicas associadas a uma usina hidrelétrica.
Mantém-se nesta seção a hipótese de que, no horizonte

de curto prazo, a altura de água do reservatório não varia, de
modo que a potência gerada pela UHE é função apenas da va-
zão turbinada, ou seja q j = q(PH,j).
A equação de balanço hídrico ou de conservação da
água preconiza que, em qualquer intervalo de tempo genérico
j, deve-se ter
Vj = Vj-1 + (rj – q j – uj) hj (5.61)
Com a inclusão das novas variáveis hidráulicas, o pro-
blema de coordenação hidrotérmica pode ser enunciado como:
334
sujeito a:
(5.62)
As seguintes observações se aplicam à formulação do
problema (5.62):
• A restrição de balanço hídrico na forma acima apresen-
tada é uma versão mais detalhada da restrição de volu-
me do problema (5.21). No caso acima, o volume inicial
V0 deve ser especificado. Se, além disso, o volume final
também for estritamente especificado, ambas as restri-
ções são essencialmente equivalentes, com a diferença
de que, no problema (5.62), é possível levar em conta
limites especificados sobre cada Vjmax intermediário;
• A última restrição apresentada na formulação do pro-
blema (5.62) é necessária para modelar corretamente os
vertimentos, que não podem obviamente ser negativos.
A função Lagrangeana relativa ao problema (5.62) é
dada por:
(5.63)
335
Para simplificar a obtenção das condições de otimalida-

de, será suposto a seguir que não é permitida a operação com
vertimento, isto é, uj = 0, j = 1, ..., jmax. Segundo esta hipótese, as
condições de factibilidade dual são:
(5.64)
Além destes, ainda existem as condições de factibilidade
primal e de folga complementar.
Se nenhum limite de volume é atingido para nenhum
dos jmax intervalos de tempo, então as condições de folga com-
plementar garantem que
(5.65)
Nestas condições, a terceira das equações (5.64) fornece
γj = γj+1 , j = 1 , ..., jmax-1
Conclui-se, portanto, que o valor da água g será cons-
tante ao longo de todo o horizonte de tempo exceto se o limite
de volume for atingido para algum intervalo de tempo. Nota-se
que esta conclusão se aplica independentemente de os limites de
geração serem ou não atingidos.
Supõe-se agora que o limite superior de volume tenha
sido atingido no intervalo k apenas, sem que isto ocorra no in-
tervalo k + 1. Isto significa que no intervalo k há abundância de
água no reservatório. Neste caso, a terceira das equações (5.64)
fornece:
336
(5.67)
Como o multiplicador de Lagrange é positivo, isto
significa que . Esta conclusão pode ser interpretada
como: a oferta de água é maior no intervalo k, seu valor é me-
nor do que no intervalo seguinte, onde por hipótese o limite
de volume não é atingido. Uma conclusão análoga poderia ser
extraída para o caso em que o limite mínimo é atingido para um
dado intervalo k.
Programação de curto prazo em sistemas reais de

base hidráulica
Introdução
No horizonte de curto prazo, estabelece-se a inter-rela-
ção entre o problema energético e o problema elétrico, buscando
a forma mais econômica e confiável de balancear as participa-
ções hidráulica e térmica no atendimento da demanda. O obje-
tivo econômico consiste em minimizar os custos operativos das
térmicas, enquanto que o objetivo de confiabilidade consiste em
evitar interrupções de fornecimento, sejam eles devidos a saídas
imprevistas de operação de unidades geradoras ou simplesmente
ao esgotamento dos estoques de energia armazenada nos reser-
vatórios das UHEs. Há claramente um trade-off entre esses dois
objetivos. A estratégia operativa mais econômica não utilizaria
geração térmica, porém conduz a alto riscos de racionamento,
sendo, portanto, menos confiável. Por outro lado, o uso pleno
da geração térmica maximiza a segurança operativa, por manter
os reservatórios nos seus níveis máximos. Porém esta estratégia
é obviamente a menos econômica.
337
O objetivo da programação de curto prazo é balancear

adequadamente estes dois objetivos. Fica claro que uma questão
crucial neste contexto diz respeito ao uso dos volumes de água
armazenado nos reservatórios das UHEs. Do ponto de vista
estratégico, o planejamento de curto prazo deve atender a requi-
sitos fixados pelo planejamento de médio prazo. Estes podem
ser expressos sob a forma de:
a) Uma meta de volume que deve permanecer armazenado
ao final do horizonte de curto prazo, ou
b) Uma função de custo futuro, que de alguma forma
quantifique sob a forma de custo as implicações futuras
do uso da água no horizonte de curto prazo.
Modelagem detalhada das variáveis hidráulicas

Para cumprir adequadamente os objetivos do planeja-
mento da operação de curto prazo em sistemas com grande par-
ticipação hidráulica, apresentando UHEs em cascata na mesma
bacia e com reservatórios de grande capacidade de acumulação,
torna-se necessário um maior detalhamento da modelagem hi-
dráulica. Este consiste em:
a) Estender a equação de balanço hídrico para considerar a
existência de reservatórios em cascata;
b) Levar em conta a dependência da potência gerada com
respeito à altura de queda líquida, sendo esta última ex-
pressa em função do volume armazenado e vazão de
defluente.
Reservatórios em cascata
Considera-se a figura 5.6, que ilustra a situação de três
reservatórios em uma mesma bacia, em que o reservatório i está
338
a jusante dos dois reservatórios m e k. Com a finalidade de sim-

plificar o problema, será suposto que cada usina hidráulica é
representada por uma unidade geradora equivalente.
Figura 5.6: Usinas em cascata em uma mesma bacia hidrográfica.
A operação de reservatórios em cascata deve respeitar o

balanço hídrico, também chamado princípio de conservação da
água, que é dada por:
(5.68)
onde o índice i está associado a um dado reservatório, o índice
j representa o intervalo de tempo em questão e a notação para
as demais variáveis é a mesma das seções anteriores. Além
disso:
Wi = conjunto de usinas imediatamente a montante da usina i, e
wl = tempo de atraso para a água defluente da usina l alcançar
o reservatório da usina i.
339
Potência gerada em função da vazão e da altura líquida de queda

A potência ativa produzida por uma usina hidráulica de-
pende da vazão turbinada e da altura de queda líquida a que está
submetida a turbina, como indicado a seguir:
PHi,j = K i H1 i qi,j (5.69)
onde:
PHi,j = potência ativa gerada pela usina i no intervalo j (MW);
Hl i = altura de queda líquida da usina i (m);
K i = produtividade específica da usina i. K i = r g hi, sendo
que:
r = densidade da água (kg/m3);
g = aceleração da gravidade (m/s2);
hi = rendimento do conjunto turbina-gerador da usina i.
A altura de queda líquida é dada pela diferença entre a al-
tura de queda bruta e as perdas devidas ao atrito da água. A
altura de queda bruta define-se como a diferença entre a altura
a montante e a altura a jusante da usina, sendo estas funções
não-lineares respectivamente do armazenamento e da vazão de-
fluente. Assim, a potência gerada é dada pela equação (5.70). No
entanto, como simplificação, as perdas de carga são desconside-
radas no decorrer das seções seguintes.
(5.70)
onde:
= polinômio que relaciona a altura a montante com o
volume armazenado para o reservatório i no intervalo j;
= polinômio que relaciona a altura a jusante com
a vazão defluente para o reservatório i no intervalo j;
pci = perda de carga devida ao atrito da água no conduto força-
do da usina i.
340
Finalmente, devem também ser levadas em consideração as

limitações físicas e operativas associadas às variáveis hidráulicas.
(5.71)
Programação de curto prazo para atender metas de

volume
Segundo a estratégia de metas de volume ao final do ho-
rizonte de curto prazo, o armazenamento de cada reservatório i
ao final do período, , não deve ser menor que um volume
meta estabelecido, como indicado a seguir:
(5.72)
Esta condição é considerada na formulação seguinte do
problema de curto prazo através de uma ponderação dos volu-
mes finais dos reservatórios na função-objetivo, penalizando os
que estão abaixo da meta prefixada. Desta forma, o fator x na
equação (5.73) deve penalizar os volumes inferiores à meta
(5.73)
O problema de otimização (5.74) a seguir apresenta a
formulação da programação hidrotérmica de curto prazo no
caso em que a meta hidráulica é expressa na forma de volume
mínimo ao final do horizonte de curto prazo. Esta meta é inclu-
ída na função objetivo como uma penalidade sobre o volume ao
final do horizonte, indicada na forma genérica como FMV (Vjmáx ).
As restrições do problema incluem as condições de ope-
ração das variáveis hidráulicas, da geração térmica e dos flu-
xos nas linhas em cada intervalo de despacho, representados
por f em (5.73). Observa-se que a restrição de conservação da
341
água vincula variáveis hidráulicas relacionadas a intervalos de

despacho diferentes, tratando-se, portanto, de uma restrição
intertemporal.
s.a:
• Equação de balanço de potência com representação da
rede no intervalo j
• Restrições de limites:
(5.74)
• Equações de balanço hídrico para todos os intervalos
de tempo
As potências geradas pelas UHEs necessárias para os cál-
culos de balanço de potência devem ser calculadas pela equação
(5.70), para i = 1, ..., nH e j = 1, ..., jmax
Programação de curto prazo considerando custo futuro

Custo imediato e custo futuro
A estratégia de operação baseada na consideração do
custo futuro baseia-se na comparação entre o benefício imedia-
to do uso da água no presente com o benefício futuro de seu
armazenamento. Este último é medido em termos da economia
do uso do combustível pelas térmicas ao longo do tempo de-
corrido entre o final do horizonte de curto prazo e o final do
342
horizonte total de estudo. As funções de custo imediato (FCI) e

futuro (FCF) estão representadas na figura 5.7
Figura 5.7: Funções de custo imediato e futuro.
A função FCI mede os custos de geração térmica no está-

gio j. Vê-se da figura 5.7 que o custo imediato aumenta com o
aumento do volume armazenado ao final do estágio, isto é, com
a redução da energia de origem hidráulica disponível para turbi-
namento durante o próprio estágio.
Em contrapartida, a função FCF está associada ao custo
esperado de geração térmica e racionamento desde o final do es-
tágio j até o final do horizonte total de estudo. Já que uma maior
disponibilidade de água armazenada ao final do estágio j implica
em mais energia de origem hidráulica disponível para o futuro,
a função FCF diminui à medida que o volume final aumenta.
A inclusão dos custos futuros da água na função obje-
tivo do problema visa diminuir os custos térmicos no futuro
associados à geração hidráulica no presente. Assim, o modelo
obtém o ponto de operação ótimo como um compromisso entre
os custos de gerar com combustível térmico no presente e/ou
343
utilizar energia hidráulica, o qual poderia resultar em maiores

custos no futuro.
A função FCF é calculada no horizonte de médio prazo
através de simulações de diversos cenários de operação futura,
definidos por níveis de armazenamento e de vazões afluentes.
Trata-se evidentemente de um problema probabilístico, envol-
vendo um grande número de cenários hidrológicos. A ferra-
menta utilizada é a Programação Dinâmica Estocástica Dual,
e FCF é obtida através de cortes de Benders, sendo, portanto,
uma função linear por partes conforme indicado na figura 5.8.
A minimização do custo futuro neste caso é descrita como:
Figura 5.8: Custo futuro como uma função linear por partes.
(5.75)
344
onde:
Vl ,j = volume do reservatório l ao final do estágio j;
aj (Vj) =Custo total esperado de operação desde o final do es-
tágio j até o final do horizonte total de estudo;
nC = número de segmentos lineares da FCF;
= coeficiente de corte k, associado ao volume da usina l
no intervalo j;
= termo constante associado ao corte k no intervalo j;
Formulação da programação de curto prazo com base na FCF

Com o objetivo de representar o custo futuro da água,
considera-se que os custos futuros devem ser expressos em fun-
ção do volume ao final do horizonte . O horizonte de curto
prazo é dividido em intervalos de despacho, para os quais deve-
se definir o nível de geração hidráulica e geração térmica. As
equações de continuidade da água estabelecem um acoplamento
entre os intervalos de despacho.
Assim, procura-se minimizar o custo imediato de ope-
ração durante o horizonte completo mais o custo futuro da
água, que depende do armazenamento ao final do mencionado
horizonte.
Observa-se que é possível aproximar a função de custo
futuro, dada a partir da função linear por partes da figura 5.8,
por uma curva contínua e diferenciável do volume final, a qual
será chamada de FCF (Vjmax). Quando esta aproximação é uti-
lizada, a formulação apresentada em (5.74) pode ser aplicada,
com a única diferença que, na função-objetivo FCF (Vjmax) deve
substituir FMC (Vjmax )
Contudo, no problema (7.76) a seguir, apresenta-se a for-
mulação da programação hidrotérmica de curto prazo quando a
345
função de custo futuro é dada por uma curva linear por partes.
Devem ser adicionadas as restrições do custo futuro, definidas
no problema (7.75), às restrições do problema
mín F T(PV )+a
s.a:
• Equação de balanço de potência com representação da
rede no intervalo j
• Restrições de limites:
• Equações de balanço hídrico para todos os intervalos

de tempo
Como no caso das metas de volume, as potências gera-

das pelas UHEs necessárias para os cálculo de balanço de po-
tência devem ser calculadas pela equação (5.70), para i = 1, ...,
nH e j = 1, ..., jmax.
346
EXEMPLOS
Exemplo 5.1
Uma UHE e uma UTE devem alimentar uma carga
constante de 90 MW por uma semana (168 horas). As caracterís-
ticas das unidades são:
UHE
UTE
Tabela 5.1: Dados das unidades geradoras.
Supondo que a usina hidráulica é limitada a gerar 10.000

MWh, por quanto tempo deve gerar a UTE e qual deve ser o
seu despacho?
Solução:
A energia solicitada pela carga durante a semana é
90 MW x 168 h = 15.120 MWh
Logo,
E = 15.120 – 10.000 = 5.120 MWh
A geração térmica ótima pode ser obtida diretamente de
H(P T ), já que o que diferencia esta função de F(P T ) é um fator
constante. Resultando que:
Pode-se então obter o tempo de funcionamento da UTE

da equação (5.13) como
347
Exemplo 5.2
Supõe-se agora que o limite de energia para a UHE do
exemplo 5.1 é expresso em termos do volume d’água pelo qual o
reservatório da usina pode ser deplecionado durante a semana.
(Na prática, este volume seria estabelecido pela programação
da operação a médio prazo). Supondo que o máximo deplecio-
namento admissível é de 25.000 dam3 para a semana e que os
demais dados do exemplo 5.1 não sofrem alteração, por quanto
tempo a térmica deveria funcionar?
Solução:
No exemplo 5.1 já foi determinado que a UTE deve ge-
rar 50 MW, independentemente do valor de E. Consequente-
mente, a UHE deverá gerar os restantes 40 MW no período em
que a térmica estiver em operação. A vazão neste caso será:
q1 = 300 + 15 x 40 = 900 dam3/h
e o deplecionamento correspondente será V1 = 900 x T T.
Quando apenas a UHE estiver operando, estas quantidades
serão
q2 = 300 + 15 x 90 = 1.650 dam3/h
V2 = 1650 x (168 – T T )
Como (V1 + V2) está limitado pela meta de médio prazo,
tem-se que
V1 + V2 = 900 x T T + 1650 × (168 – T T ) = 25.000
Resolvendo para T T, se obtém
T T = 36,27 h
Exemplo 5.3
Uma carga deve ser alimentada durante 24 horas por
uma UHE e uma UTE cujas características são:
348
UHE
UTE
Tabela 5.2: Dados das unidades geradoras.
Os efeitos das perdas de transmissão são considerados

desprezíveis, o máximo volume d’água a ser turbinado é de
100.000 dam3 e a carga varia conforme abaixo:
00:00 – 12:00 1200 MW
12:00 – 24:00 1500 MW
Tabela 5.3: Variação da demanda por horário.
Solução:
Determine os despachos da UHE e da UTE ao longo do
período, bem como os custos marginais de energia do sistema e
custos marginais da água.
Dos dados do problema, vê-se que h1 = h2= 12 h. Como
as perdas são desprezadas, portanto
Das equações de balanço de potência, têm-se que
Já a equação de restrição de volume fornece
ou, como h1 = h2 = 12,
cuja solução fornece

P T,1 = P T,2 = P T = 577,0 MW
349
e consequentemente
PH,1 = 1200 – P T = 622,1 MW
PH,2 = 1500 – P T = 922,1 MW
Os multiplicadores de Lagrange das equações de balan-
ço de energia podem ser calculados da equação (5.30) como
Finalmente, o custo marginal da água é obtido da equação (5.31):
e portanto .
Exemplo 5.4
Reconsidere o exemplo 5.3 agora supondo que a UHE
está localizada a uma certa distância da carga, de modo que as
perdas de transmissão são significativas e dependem apenas de
PH, sendo dadas por
Encontre os novos despachos da UHE e da UTE, bem

como os multiplicadores de Lagrange e as perdas de transmissão.
Solução:
A aplicação do algoritmo de iteração l - g fornece os
seguintes resultados:
P T,j PH,j lj ($/ Pperdas,j qj

Período
(MW) (MW) MW) (MW) (dam 3/h)
00 – 12 567,4 668,3 135,46 35,73 3651,5
12 – 24 685,7 875,6 140,68 61,33 4681,7
Tabela 5.4: Resultados para o exemplo 5.4.
350
O valor marginal da água determinado pelo algoritmo

é igual a 2,028 $/dam3. As seguintes observações aplicam-se a
este exemplo:
A presença das perdas de transmissão faz com que não
mais seja válida a conclusão a respeito da igualdade dos multi-
plicadores de lj e das potências geradas pelas térmicas, P T,j, ao
longo dos intervalos de tempo;
O fato das perdas serem produzidas apenas pela potên-
cia gerada pela UHE tem o efeito de desvalorizar a água, como
pode ser verificado comparando-se o valor de g calculado nes-
te exemplo com o obtido no exemplo 5.3.
351
UNIDADE • 06
O despacho no contexto dos
novos mercados de energia
O DESPACHO NO CONTEXTO DOS NOVOS
MERCADOS DE ENERGIA
Este capítulo está dividido em duas partes. Na primeira
parte, considera-se que o sistema elétrico é gerenciado por um
operador central com informações dos dados econômicos e téc-
nicos das unidades geradoras, das demandas e da rede, sendo,
assim uma operação centralizada, sem competição.
Na segunda parte, considera-se que o sistema é operado
dentro de um ambiente de mercados, onde os produtores com-
petem entre si para fornecerem energia aos consumidores, os
quais podem ter um comportamento de demanda variável.
Nas duas partes considera-se uma operação em curto pra-
zo, com um horizonte de tempo de alguns minutos até uma
semana. Esses problemas de operação geralmente são formula-
dos como problemas de otimização restritos e podem ser solu-
cionados usando ferramentas computacionais como GAMS ou
Matlab, as quais facilitam trabalhar com a modelagem sem se
preocupar com os problemas técnicos associados com os algo-
ritmos de resolução. Essas ferramentas computacionais ofere-
cem o benefício de usar subprogramas de resolução avançados,
como o CPLEX para resolver problemas de programação linear
inteiro-mistos, ou MINOS para resolver problemas de progra-
mação não linear.
Despacho econômico
O problema do despacho econômico (DE) consiste em alo-
car a demanda total entre as unidades geradoras de tal forma
que os custos de produção sejam minimizados. Cada unidade
geradora tem um custo de produção distinto, o qual depende da
355
6 O despacho no contexto dos novos mercados de energia
fonte de energia primária utilizada para gerar eletricidade (prin-

cipalmente carvão, óleo, gás natural, urânio, e água armazenada
em reservatórios). Esses custos podem variar significativamente:
por exemplo, o custo marginal para geradores nucleares e unida-
des a gás pode variar entre $ 0,03 e $0,20 por kWh.
Para evidenciar as vantagens de fazer o despacho de um
sistema de potência considerando a solução de um problema de
DE, considera-se o seguinte caso: uma usina de energia elétri-
ca fornece 10.000 MW durante o período de uma hora a um
custo médio de $0,05/kWh; se os consumidores compram essa
energia a um preço de $0,06/kWh, o gerador vai ter um lucro
de $100.000/h. Neste caso, uma melhoria na eficiência do for-
necimento é só 1%, mas, usando o resultado do DE, resultaria
em um incremento no lucro de $5.000/h ou $43,8 milhões em
um ano. Não é necessário que esse incremento no lucro seja to-
talmente absorvido pela empresa, pois esta poderia utilizar esse
valor para diminuir o preço ao consumidor. Assim, é claro que
existe um incentivo aos produtores e consumidores para incre-
mentar a eficiência das unidades geradoras.
Além de alocar a demanda entre as unidades geradoras cal-
culando a potência gerada em MW de cada uma (conjunto de
variáveis contínuas), é necessário também calcular uma progra-
mação de tempo ótima para a partida e parada das unidades
geradoras (conjunto de variáveis discretas). Como os custos de
partida e de parada podem ser significativos, as decisões sobre
essas variáveis de decisão devem ser coordenadas otimamente
com os valores contínuos de geração no DE. Por exemplo, se o
custo fixo de uma unidade é alto, poderia ser mais econômico
desligá-la do que operá-la com uma geração baixa. Contudo, a
decisão de desligar uma unidade, quando a demanda é baixa,
deve ser feita considerando os custos envolvidos e a possibili-
356
dade de reiniciar a unidade quando a demanda aumentar. As

operações de partida e parada das unidades envolvem decisões
binárias, as quais podem ser modeladas matematicamente usan-
do variáveis binárias. O modelo resultante é significativamente
mais complexo que o modelo de DE somente com variáveis con-
tínuas. O problema de como alocar a demanda entre as unidades
geradoras, em vários períodos de tempo consecutivos, incluindo
a possibilidade de partida e parada de unidades, de tal forma que
o custo total (operação, partida e parada) seja mínimo, é chama-
do programação de unidades geradoras.
Despacho econômico básico

Para cada unidade geradora é definida uma função Ci (PGi),
que caracteriza os custos de geração em $/h em termos da po-
tência produzida em MW, PGi, durante o período de 1 hora.
Essa função é obtida multiplicando a curva de eficiência de ca-
lor, a qual expressa o combustível consumido para gerar 1 MW
durante 1 hora, pelo custo do combustível consumido durante
essa hora.
A figura de custo é geralmente aproximada por uma fun-
ção quadrática convexa, ou uma função linear por partes, como
ilustrado na figura 6.1.
Figura 6.1: Exemplo de função de custo: a) quadrática convexa e b) linear por partes.
357
Considerando n unidades geradoras, o custo total da pro-

dução é
C ( PG ) = ∑ in=1 Ci ( PGi ) (6.1)
onde PG é um vetor coluna dos níveis das unidades de ge-
ração PGi.
Se a demanda total do sistema é , e todas as unidades de
geração contribuem para atender essa demanda, a produção to-
tal ou geração deve ser igual à demanda total incrementada das
perdas de transmissão, Pperdas, isto é
∑ i =1 PGi = PDtotal + Pperdas
n
(6.2)
O problema de DE consiste em minimizar o custo total
(equação 6.1) considerando a potência fornecida pelas unidades
geradoras, PGi, sujeito ao balanço de potência, equação (6.2), e
aos limites operacionais das unidades geradoras
PGimín ≤ PGi ≤ PGimáx (6.3)
onde os sobrescritos mín e máx representam o mínimo e
máximo, respectivamente.
Fundamentos de despacho econômico

Primeiro é considerado o DE sem as perdas (Pperdas = 0),
sem limites de geração, e a demanda do sistema é considerada
inelástica. Como a única restrição considerada é o balanço de
potência, a função lagrangiana torna-se
L ( PG , λ ) = ∑in=1 Ci ( PGi ) − λ ( ∑in=1 PGi − PDtotal ) (6.4)
As condições de otimalidade de primeira ordem são
L ( PG , λ ) = I C i ( PGi ) − λ = 0; i = 1,  , n
∂
∂ PGi (6.5)
L ( PG , λ )358
∂
= −∑in=1 PGi + PDtotal = 0
∂λ
L ( PG , λ ) = I C i ( PGi ) − λ = 0; i = 1,  , n
∂
∂ PGi
L ( PG , λ ) = − ∑in=1 PGi + PDtotal = 0
∂
∂λ (6.6)
onde a função ICi (PGi) é o custo incremental da unidade i,
dCi ( PGi )
IC i ( PGi ) = (6.7)
dPGi
O resultado da equação (6.5) implica que, no DE, todas as
unidades devem operar com um mesmo custo incremental igual
ao multiplicador de Lagrange l. É interessante observar que o
custo incremental comum l coincide com o custo marginal do
sistema, isto é, com a sensibilidade do custo total em relação à
demanda do sistema.
dC ( PG )
λ
dPDtotal (6.8)
A equação (6.8) é obtida considerando que existe uma so-
lução ótima que satisfaz as condições ótimas necessárias das
equações (6.5) e (6.6). Se a demanda do sistema muda em uma
pequena quantidade, , os níveis ótimos de geração correspon-
dentes devem mudar também, de tal forma que
∑ i =1 dPGi = dPDtotal (6.9)
n
Da mesma forma, o custo total também muda de acordo

com
dC ( PG ) = ∑ in=1 dCi ( PGi )
= ∑ in=1 ICi ( PGi ) dPGi (6.10)
= ∑ in=1 λ dPGi =λ ∑ in=1 dPGi = λ dPDtotal
que fornece o resultado desejado.
Se todas as n funções de custo são convexas, o sistema de
equações (6.5) e (6.6) tem uma solução única que pode ser obti-
da numericamente. Além disso, se todas as funções de custo são
359
quadráticas e convexas, a solução analítica do sistema de equa-

ções (6.5) e (6.6) é facilmente obtida. Para esse caso a função de
custo de uma unidade é definida por
1
C i ( PGi ) = C0i + a i PGi + bi PGi2
2 (6.11)
onde C0i é o custo fixo ($/h), com os parâmetros ai ($/
MWh) e bi ($/MW)2h) caracterizando os componentes do custo
variável que são dependentes dos níveis de geração (PGi).
Para facilitar a notação, os seguintes vetores são definidos
C0 = [ C01 ,  , C0n ]
T
a = [a 1 ,  ,a n ] T
b = [ b1 ,  , bn ] T
(6.12)
e = [1,  ,1 ]
T
PG = [ PG1 ,  , PGn ]
T
e também a matriz diagonal

B = diag(b)
(6.13)
O custo total pode ser expresso como
1
C ( PG ) = e T C0 + a T PG + PGT B PG
2 (6.14)
que é uma função quadrática do vetor de níveis de geração.
A equação de balanço de potência também pode ser ex-
pressa em forma de vetor como
e T PG = PDtotal (6.15)
As condições necessárias de primeira ordem aplicadas nas
equações (6.5) e (6.6) tornam-se
a + B PG = λ e (6.16)
a + B PG = λ e
e T PG = PDtotal
e T PG = PDtotal (6.17)
360
A solução analítica das equações (6.16) e (6.17) do DE pode

agora ser escrita como
PG = λ B-1 e − B-1 a (6.18)
onde os custos incrementais são dados por
PDtotal + eT B −1 a
λ= (6.19)
eT B −1e
É útil expressar os níveis ótimos de geração em termos da
demanda. Usando a equação (6.19) para eliminar l da equação
(6.18) obtém-se
PG = α PDtotal + β (6.20)
onde a e b estão definidas por
B −1e
α= (6.21)
eT B −1e
e
B −1e ( eT B −1a )
β= − B-1 a
(6.22)
e B e
T −1
O vetor a define os fatores de participação das cargas, ou

seja, os incrementos nas gerações correspondentes às unidades
geradoras, devido a um incremento na demanda do sistema. As-
sim, se a demanda do sistema muda em d, os níveis de geração
mudam, conforme
dPG = α dPDtotal (6.23)
Observa-se que os fatores de participação são parâmetros
positivos que somam 1, isto é, eT a = 1, uma propriedade que
surge da necessidade de fechar o balanço de potência.
O exemplo 6.1 ilustra um caso de despacho econômico
básico.
361
Despacho econômico com demanda elástica

Agora se considera o DE básico sem perdas na transmis-
são (Pperdas = 0), sem limites de unidades de geração e incluindo
demandas elásticas.
Uma demanda elástica é caracterizada por sua função de
utilidade, Uj (PDj) em $/h, que expressa a utilidade ou benefício
obtido pela demanda ao consumidor PDj MW durante 1 hora.
Considerando m cargas, a utilidade total do sistema é
U ( PD ) = ∑ mj =1U j ( PDj )
(6.24)
onde PD é um vetor coluna o qual contém as demandas
individuais PDj.
O benefício comum é definido como
SW ( PG , PD ) = ∑ mj =1U j ( PDj ) − ∑ in=1 Ci ( PGi ) (6.25)
Sem as perdas na transmissão, a produção do sistema deve
ser igual à demanda do sistema,
∑ i =1 PGi = ∑ j =1 PDj (6.26)
n m
Se as demandas são elásticas, o DE consiste em maximizar

o benefício comum (equação 6.25), incluindo os limites opera-
cionais das unidades de geração e as demandas.
Se tais limites operacionais são ignorados, a única restrição
considerada é novamente o balanço de potência (equação 6.26).
A função lagrangiana torna-se então
L ( PD , PG , λ ) = ∑mj =1U j ( PDj ) − ∑in=1 Ci ( PGi )
(6.27)
− λ ( ∑mj =1 PDj − ∑in=1 PGi )
As condições de otimalidade de primeira ordem são
L ( PD , PG , λ ) = I U j ( PDj ) − λ = 0; j = 1,  , m (6.28)
∂
∂ PDj
L ( PD , PG , λ ) = - I C j ( PGi ) + λ = 0; i = 1,  , n
∂
∂ PGi 362
L ( PD , PG , λ ) = ∑in=1 PGi − ∑mj =1 PDj = 0
∂
∂ L ( PD , PG , λ ) = I U j ( PDj ) − λ = 0; j = 1,  , m
∂ PDj L ( PD , PG , λ ) = I U j ( PDj ) − λ = 0; j = 1,  , m
∂
∂ PDj
∂ L ( PD , PG , λ ) = - I C j ( PGi ) + λ = 0; i = 1,  , n (6.29)
∂ PGi L ( PD , PG , λ ) = - I C j ( PGi ) + λ = 0; i = 1,  , n
∂
∂ L ( PD , PG , λ ) = ∑inn=1 PGi − ∑mmj =1 PDj = 0

∂ PGi
∂ λ L ( PD , PG , λ ) = ∑i =1 PGi − ∑j =1 PDj = 0
∂
(6.30)
∂λ
onde as funções I Uj (PDj) são o benefício crescente ou a
função de benefício dada por
dU j ( PDj )
I U j ( PDj ) =
dPDj (6.31)
Esse resultado implica que todas as unidades geradoras de-
vem operar com custos incrementais iguais e que todas as de-
mandas operam com benefícios marginais iguais (condições das
equações 6.28 e 6.29). Além disso, o custo incremental unitário
deve ser igual ao custo incremental do benefício.
O exemplo 6.2 mostra um modelo de despacho econômico
com demandas elásticas.
Despacho econômico com limites de geração

Se os limites de operação dos geradores são considerados,
a demanda é inelástica e as perdas na transmissão não são con-
sideradas a função lagrangiana é
L ( PG , λ ) = ∑in=1 Ci ( PGi ) − λ ( ∑in=1 PGi − PDtotal )
−∑in=1 µ imáx ( PGi − PGimáx ) − ∑in=1 µ imín ( PGi − PGimín ) (6.32)
onde são incorporados novos multiplicadores, correspon-
dentes às potências mínimas e máximas de cada unidade gerado-
máx
ra (equação 6.3). O multiplicador µi está associado com a ca-
pacidade de máxima geração da unidade, e o multiplicador µ imin
está associado com a capacidade de mínima geração da unidade.
363
As condições de otimalidade necessárias de primeira or-

dem são:
∂∂ L ( PG , λ ) = I C j ( PGi ) − λ − µmáx 0;ii =
L ( PG , λ ) = I C j ( PGi ) − λ − µii −− µµimín
máx mín
i == 0; =1,
1,
,, nn (6.33)
∂∂PPGiGi
∂∂ L ( PG , λ ) = − ∑nn PGi − PDtotal
L ( PG , λ ) = − ∑ ii==11PGi − PD == 00
total
∂∂λλ (6.34)
Incluindo as condições de folga complementar das variáveis,
µ
máx
µ imáx ≤ 000 se
máx ≤
≤ se P
PGiGi = =PPGiGimáx
P máx (6.35)
máx
0 Gi =
Gi = PGi
µ iiimáx ≤ se
se P
P Gi máx
µ
máx
µ iimáx = 00 se
máx = 0
máx = se P
PGiGi < <P
< PGiGimáx
P
máx
máx (6.36)
µ imín = 0 se PGi < PGimín
i se PGi Gi máx
µ imín
µ ≥ 000 se
mín ≥
≥ se P
PGiGi = =PPGiGimín
P mín
0 Gi = mín (6.37)
Gi = PGi
µ iiimín ≥ se
se P
P Gi
mín
µ imín
mín = 0 0 se >PPGimínmín
>P
se P
PGi >
µ = 00 se
µ iiimín = PGiGiGi >
se P
mín
= PGiGiGimín (6.38)
Se os limites são impostos, como neste caso, a condição
de igualdade dos custos marginais já não é mais válida, sendo
substituída pelo seguinte critério, que é derivado das equações
Cii (( P
(6.33) até (6.38): II C PGiGi )) =
=λλ+
+µ mín
µiimín ≥λ
≥ λ se
se P =P
PGiGi = PGiGimín
mín
I Cii (( P
PGiGi )) =
=λλ se PGiGimín
se mín
P
mín
<P PGi < PGimáx
máx
(6.39)
i ( PGi ) = λ + µi
I CI C ≥λ < seGiP<Gi P=Gi PGimín
Cii (( P
PGi ) = λ + µ imáx máx
≤ λ se =PP máx
II CI C i Gi( P)Gi=) λ=+λµsei PGi≤ mínλ se PGi = máx
(6.40)
< PGiPGi< P
Gi
máx
Gi
Gi
I C i ( PGi ) = λ + µ imáx ≤ λ se PGi = PGimáx (6.41)

É interessante ressaltar que o multiplicador de Lagrange
l pode ser interpretado como o custo marginal do sistema; em
outras palavras, a sensibilidade do custo do sistema em relação
à sua demanda. Este resultado pode ser provado de uma forma
similar ao caso sem os limites de geração.
As condições das equações (6.39) a (6.41) são interpretadas
da seguinte forma: unidades operando entre seu limite supe-
rior e seu limite inferior têm custos incrementais iguais a l.
Unidades operando no limite superior têm custos incrementais
364
menores ou iguais a l, enquanto as unidades que operam no li-

mite inferior têm custos incrementais superior ou iguais a l. A
figura 6.2 ilustra os três possíveis despachos das duas unidades
do exemplo 6.1, com limite mínimo de zero.
Figura 6.2: Três exemplos de despacho econômico com limites de geração.
Para o caso com l = lA, a unidade 1 opera na sua capa-

cidade máxima e cumpre a condição λ = I C1 ( PG1 ) , enquanto
mín
a unidade 2 opera dentro de seus limites atendendo a condi-

ção λ = C1 ( PG1 ) . Para l = lB, ambas as unidades operam
mín
dentro de seus respectivos limites. Finalmente, para l = lC,

a unidade 2 opera no seu limite inferior, e cumpre a condição
λ = C 2 ( PGmín
2 ) , enquanto a unidade 1 opera dentro dos seus
limites e satisfaz a condição λ = C1 ( PG1 ) .

O exemplo 6.3 ilustra a solução do DE com limites de ge-
ração para quatro níveis de demanda.
Se as funções de custo são convexas, a solução do DE com
limites de geração é única e fácil de calcular numericamente.
Contudo, não é fácil obter uma solução analítica, porque é ne-
cessário considerar todas as possíveis combinações de unidades
e suas condições de operação nos seus respectivos limites ou
não, sendo um problema combinatório de difícil solução. Não
obstante, se as unidades que operam no limite são conhecidas,
365
as unidades restantes podem operar a um custo incremental

igual, de forma a atender a demanda residual resultante da sub-
tração dos limites de geração da demanda original.
Em vez de se usar programas especializados como o
CPLEX ou a MINOS, podem-se usar sub-rotinas específicas
para resolver eficientemente o problema do DE com restrições
de geração, particularmente o algoritmo conhecido como l
iterativo:
1 - O multiplicador l é aproximado por .
2 - Os níveis de geração das unidades são calculados de tal
forma que as condições de otimalidade das equações
(5.39) a (5.41) sejam satisfeitas, isto é,
se IC i ( PGi ) ≥ λ , então PGi = PGi = PGi

mín (υ ) mín
(6.42)
se IC i ( PGi ) ≥ λ , então PGi = PGi = PGi

mín (υ ) máx
(6.43)
caso contrário, calcular PGi de tal forma que ICi (PGi) = l (6.44)
(v)
O nível total de geração é calculado somando os níveis de

geração de todas as unidades, respeitando o balanço de carga e
geração. Se o balanço é satisfeito dentro de certa tolerância, o
algoritmo é encerrado. Caso contrário, continua com o passo 3.
3 - Para atualizar l, uma regra de bisseção é usada, l(v
+ 1)
= [ l(v) + l(v – 1)]/2, com os valores prévios de l
correspondentes ao excesso de geração e ao déficit de
geração, respectivamente. O algoritmo prossegue, re-
tornando ao passo 2.
Despacho econômico com perdas

Analisa-se o DE considerando as perdas no sistema de
transmissão, mas excluindo os limites de geração. Considerar
as perdas de transmissão no problema do DE gera duas mu-
366
danças com relação do DE básico. A primeira delas é mudar o

despacho de geração, e a segunda é tornar o custo marginal de
fornecer a demanda local diferente para cada barra do sistema
de transmissão.
As perdas podem ser incorporadas no DE usando as se-
guintes equações modificadas de balanço de potência:
∑ i =1 PGi − PDtotal − Pperdas ( PG , PD ) = 0 (6.45)
n
Da equação (6.45), pode-se observar que as perdas na

transmissão modificam o balanço de potência de duas formas:
a primeira, incrementando ligeiramente a demanda líquida pelo
valor das perdas (normalmente na ordem de 3 – 5% da carga do
sistema), e a segunda, introduzindo uma não linearidade que re-
presenta a relação entre as perdas Pperdas e os vetores de geração
e demanda, PG e PD, respectivamente.
Considerando as equações de balanço de potência com per-
das (equação 6.45), a função lagrangiana é
L (PG , λ ) = ∑inn=1 Ci (PGi ) − λ −  ∑inn=1 PGi − PDtotal
L (PG , λ ) = ∑i =1 Ci (PGi ) − λ −  ∑i =1 PGi − PDtotal − Pperdas G , PD )
− P (P  (6.46)
perdas ( PG , PD )

L (PG , λ ) = ∑inn=1 Ci (PGi ) − λ −  ∑inn=1 PGi − PDtotal
L (PG , λ ) = ∑i =1 Ci (PGi ) − λ −  ∑i =1 PGi − PD − Pperdas ( PGG ,, PPDD )) (6.47)
total
− Pperdas ( P 
As condições de otimalidade de primeira ordem são:

∂∂  ∂ Pperdas 
LL((PPG ,,λλ)) == IICCi ((PPGi ))−−λλ11−− ∂ Pperdas s  == 0; i =1, , m
∂∂PPGi G i Gi
  ∂∂PPGo s 0; i =1, , m (6.48)
Gi  Go 
∂∂
L (PG , λ) = ∑inn=1 PGi + PDtotal + Pperdas (PG , PD ) = 0
total
∂∂λλ L (PG , λ) = ∑i =1 PGi + PD + Pperdas (PG , PD ) = 0 (6.49)

Observa-se que, da equação (6.48), que, como indicado
previamente, as unidades geradoras não operam a um custo
incremental igual (como no caso sem perdas), já que o custo
marginal das unidades geradoras agora depende da sensibilidade
das perdas em relação aos seus respectivos níveis de geração. O
367
índice s nos coeficientes de sensibilidade identifica a barra de

referência (escolhida arbitrariamente).
Os sistemas de equações (6.48) e (6.49) somente podem ser
resolvidos numericamente, porque a função de perdas e os co-
eficientes de sensibilidade são funções não lineares dos níveis
de geração PG. Em geral, não é possível descrever essas funções
não lineares de uma forma explícita; contudo, na solução do DE
clássico, as perdas são geralmente representadas usando uma
formulação explícita em PG. O método mais comum e exato é
calcular as perdas e suas sensibilidades usando as equações de
fluxo de potência, as quais definem esses valores implicitamente,
como um método baseado em fluxo de potência.
Por simplicidade, doravante considera-se as magnitudes
das tensões constantes em toda a rede. Assim, as equações de
fluxo de potência tornam-se
PG – PD = P(d) (6.50)
Os vetores de dimensão n, representados por PG, PD e P(d),
são referentes às potências ativas dos geradores, das demandas
e das injeções, respectivamente, onde o vetor de injeções é uma
função não linear do vetor de dimensão (n – 1) do ângulo da
tensão, d (o ângulo de referência é definido como zero, sem
perder a generalidade do modelo).
As equações de fluxo de potência estão ilustradas no exem-
plo 5.4.
Para calcular as perdas de transmissão, o fluxo de potência
tem que ser resolvido numericamente para obter os ângulos do
vetor de tensões. Para fazer isso, deve-se eliminar uma equa-
ção do sistema (6.50), que é a equação correspondente à barra
escolhida como a barra de referência. As n – 1 restantes são re-
solvidas para determinar o vetor de ângulos das tensões d. Em
seguida, as perdas podem ser calculadas usando
368
Pperdas = eT P (d) (6.51)
onde o vetor unitário e foi definido na equação (6.12).
A equação anterior pode ser linearizada em torno do ponto
de operação d0 como
 ∂P (δ 0 ) 
dPperdas = e T   dδ (6.52)
 ∂δ 
Para calcular os coeficientes de sensibilidade das perdas em
relação aos níveis de geração, ∂Pperdas / ∂PG , as equações de flu-
xo de potência são linearizadas em torno do mesmo ponto de
operação d0,
 ∂ P (δ 0 ) 
dP = dPG − dPD =   dδ (6.53)
 ∂δ 
A matriz ∂ P (δ 0 ) de dimensões x (n – 1), é obtida através

∂δ
do cálculo das derivadas da equação (6.50).
O próximo passo é expressar o vetor diferencial de ângu-
lo dd como uma função diferencial das injeções de potência
usando a equação (6.53). Para fazer isto, é necessário eliminar
uma equação do sistema (6.53), e não especificar a injeção na
barra s, dPG – dPD. Assim, define-se o vetor de dimensão (n – 1)
do diferencial da geração, dPG|s, obtido depois de eliminar dPGs
de DPG. da mesma forma, define-se o vetor dPD|s e a matriz
 ∂ P (δ 0 ) 
  de dimensões (n – 1) x (n – 1). Obtida a partir da
 ∂δ s 
 ∂ P (δ 0 ) 
eliminação da fila s em   ; essa matriz é agora quadrada
 ∂δ 
e normalmente invertível. Assim.
 ∂ P (δ 0 ) 
dPGs s − dPD s =   dδ (6.54)
 ∂δ s 
369
Combinando as equações (6.52) e (6.54), obtém-se

−1
 ∂ P (δ 0 )   ∂ P (δ 0 ) 
dPperdas − e = 
T
  (dPGs s − dPD s ) (6.55)
 ∂δ   ∂δ s 
ou
−1
 ∂ P (δ 0 )   ∂ P (δ 0 ) 
dPperdas − e = 
T
  dP s
(6.56)
 ∂δ   ∂δ s 
Da equação (6.56) podem-se obter os coeficientes de sensi-
bilidade das perdas em relação às injeções de potência:
−1
∂ Pperdas   ∂ P (δ 0 )  T   ∂ P (δ 0 ) T
=      e
(6.57)
∂P s   ∂δ s    ∂δ 
As sensibilidades desta equação são obtidas em relação às
injeções de potência P, isto é, com relação a PG – PD. Este é um
resultado geral no sentido de que inclui as sensibilidades com
relação à geração e à demanda do sistema. Se a demanda é fixa (a
situação mais comum), as sensibilidades com relação às injeções
e às gerações são idênticas, isto é
∂ Pperdas ∂ Pperdas
=
(6.58)
∂ PGi s ∂ Pi s
É importante ressaltar que a sensibilidade das perdas com
relação à barra de referência s não está definida na equação (6.57).
Isso se deve ao fato de a geração PGs ser uma variável depen-
dente. Com certo grau de arbitrariedade, mas consistente com o
∂ Pperdas
desenvolvimento matemático, pode-se dizer que é zero.
∂ PGs s
Assim, as sensibilidades podem ser definidas para todas as barras,
incluindo a barra de referência, e o diferencial das perdas pode
ser expresso como uma função de todas as n injeções de potência,
370
∂ Pperdas ∂ Pperdas
dPperdas = ∑ in=1 dPi = ∑ in=1 = ( dPGi − dPDi ) (6.59)
∂ PGs s ∂ Pi s
Lembrando que
n
∑ i =1 dPi = dPperdas
(6.60)
o diferencial da equação (6.59), que é o balanço de potên-
cia, pode ser expresso como
 ∂ Pperdas 
∑ i =1  1 −
n
dPi = 0
(6.61)
 ∂ Pi s 
Na prática, as sensibilidades podem ser positivas ou negati-
vas, mas geralmente seu valor é pequeno. O impacto das perdas
no custo total do DE, geralmente, é também pequeno, mas as
perdas influenciam as gerações individuais assim como os cus-
tos marginais incrementais das barras na rede. O custo marginal
em uma determinada barra, tradicionalmente chamado custo
incremental na barra, mas também conhecido como preço no-
dal, é definido como a sensibilidade do custo total com relação à
demanda da barra, λ i = ∂C / ∂PDi . Os preços nodais são muito
importantes na operação dos mercados elétricos.
Os preços nodais podem ser calculados da seguinte forma:
assumindo que o ponto de operação atende às condições de oti-
malidade de primeira ordem das equações (6.48) e (6.49), o vetor
de demanda é perturbado marginalmente por dPD. Isso implica
que o vetor de geração muda em dPG, de tal forma que as condi-
ções de otimalidade continuam sendo satisfeitas. O custo total
muda de acordo com
 ∂ Pperdas 
dC = ∑ in=1 I Ci dPGi = ∑ in=1 λ  1 − dPi = λ
 ∂ Pi s 
(6.62)
 n ∂ Pperdas 
 ∑ i =1 dPGi − ∑ i =1 ∂ Pi dPGi 
n
371
Considerando o incremento no balanço de potência

∑ i =1 ( d PGi − dPDi ) = dPperdas (6.63)
n
e usando a equação (6.62), obtém-se

 ∂ Pperdas 
dC = λ (∑in=1 dPDi + dPperdas ) − λ  ∑in=1 dPgi 
 ∂ Pi s 
 ∂ Pperdas   ∂P 
= λ  ∑in=1 dPDi + ∑in=1 (dPGi − dPDi ) − λ  ∑in=1 perdas dPgi 
 ∂ Pi s   ∂ Pi s 
 ∂ Pperdas  (6.64)
= λ∑in=1  1 −  dPDi

 ∂ s
O preço nodal em uma barra i, li, é obtido de
∂c  ∂ Pperdas 
λi = = λ 1 − (6.65)
∂ PDi  ∂ Pi s 
Como a solução do DE com perdas deve ser independente
da escolha da barra de referência, deve existir uma relação entre
os conjuntos das sensibilidades calculadas com diferentes bar-
ras de referências. Para se apresentar esta relação, considera-se a
equação diferencial de balanço de potência para duas barras de
referência distintas, s e r.
 ∂ Pperdas 
∑ i =1  1 − dPi = 0
n
(6.66)
 ∂ Pi s 
e
 ∂ Pperdas 
∑ i =1  1 − dPi = 0
n
(6.67)
 ∂ Pi r 
A equação (6.66) pode ser obtida da equação (6.67), se os
coeficientes de sensibilidade das perdas em relação à barra de
referência r estão relacionados com os coeficientes de sensibili-
dade com relação à barra de referência s, através de
372
∂ Pperdas
−1
∂ Pperdas ∂ Pi s
1− = (6.68)
∂ Pi ∂ Pperdas
r
−1
∂Pr s
Assim, independente da barra de referência escolhida, as
equações incrementais do fluxo de potência são equivalentes.
Para resolver o problema do DE (incluindo as perdas), é
recomendado o uso de algoritmos de programação não linear
como os implementados em programas como MINOS, CO-
NOPT ou SNOPT. Ainda assim os resultados analíticos deriva-
dos são importantes porque fornecem informações importantes
sobre a natureza da solução ótima.
O exemplo 6.5 ilustra o DE com perdas.
Despacho econômico com restrições de rede

O fluxo de potência através de uma linha de transmissão
geralmente está limitado pelo limite térmico da linha ou pela es-
tabilidade do sistema. Os limites térmicos são impostos devido
às características dos condutores de dissiparem o calor gerado
em função das perdas I2R. os limites de estabilidade são impos-
tos nos fluxos das linhas devidos aos requisitos, que o sistema
deve atender, de retornar ao sincronismo após a ocorrência de
uma falta, como um curto-circuito em uma linha. Embora as
redes sejam operadas e planejadas de forma que nenhum limi-
te de capacidade de transmissão seja atingido, é possível que
essa capacidade seja atingida em condições anormais de carga
ou contingências. Nesses casos, o DE deve ser resolvido consi-
derando as restrições da rede.
Para apresentar um exemplo ilustrativo preservando a sim-
plicidade, considera-se o DE sem perdas e sem limites de gera-
373
ção, mas incluindo as restrições na capacidade de transmissão

em somente uma das linhas do sistema. Também se assume que
o fluxo de potência através da linha limitada pode ser expresso
linearmente em termos de injeções de potência, isto é,
PF = ∑ in=1 β i ( PGi − PDi ) = βΤ ( PG − PD ) (6.69)
O problema de DE resultante consiste em minimizar os
custos de geração (equação 6.1) sujeitos às condições de balanço
de potência
∑ i =1 ( PGi − PDi ) = 0 (6.70)
n
e os limites impostos ao fluxo em uma linha com capaci-

dade limitada,
− PFmáx ≤ βΤ ( PG − PD ) ≤ PFmáx (6.71)
Observa-se que somente uma dessas duas restrições pode
se tornar ativa.
As condições de otimalidade de primeira ordem são de-
rivadas seguindo o mesmo procedimento generalizado com o
lagrangiano dos casos prévios de DE. Neste caso, existem duas
restrições de igualdade em vez de uma, como nos outros casos.
Essas restrições são o balanço de potência e um dos limites ex-
tremos das desigualdades (equações 6.71). Essas restrições esta-
belecem que
IC i ( PGi ) = λ + γβi , ∀ i (6.72)
onde l é o multiplicador de Lagrange associado com o li-
mite de fluxo ativo de uma das duas restrições da equação (6.71).
Se a linha fica sobrecarregada, g é diferente de zero, e
a condição da equação (6.72) tem um funcionamento similar
à condição da equação (6.49) (derivada do caso com perdas);
em outras palavras, forçando as unidades geradoras a operarem
374
com um custo incremental diferente. O exemplo 6.6, resolvido

usando GMAS-MINOS, ilustra esse caso.
Fluxo de potência ótimo

Considera-se o DE com limites de geração, perdas e limites
de capacidade de transmissão. Isso é uma versão simplificada do
modelo do fluxo de potência ótimo (FPO), onde as magnitudes
das tensões e as injeções de potência reativa também são variá-
veis de decisão.
Esse tipo especial de FPO, denotado doravante como
FPO-DE, consiste em minimizar o custo total (equação 6.73),
sujeito aos limites de geração (equação 6.74), às restrições de
igualdade de fluxo de potência (equação 6.75), e aos limites de
capacidade para todas as linhas, isto é
∑ i =1 Ci ( PGi ) (6.73)
n
minimizar PG , δ
sujeito a
PGGmín
P
mín
mín ≤≤P ≤P
PGG ≤ PGGmáx
máx
máx (6.74)
PG ≤ PG ≤ PG
PG − P PD = P P (δ )
PGG −
P − PDD = = P ( δδ ) (6.75)
PF ( δ ) ≤ P PFmáx
máx
PFF ( δδ ) ≤
P ≤ PFFmáx (6.76)
Observa-se que todos os casos prévios de DE são ilustra-
ções particulares dessa formulação.
As condições de otimalidade de primeira ordem do proble-
ma (6.73) – (6.76) mostram que os preços nodais são caracteri-
zados por
∂C
λi = ; i = 1,  , n (6.77)
∂ PDi
onde os preços nodais l, são os multiplicadores de La-
grange associados com a equação (6.75) de fluxo de potência. O
exemplo 6.7 ilustra a solução obtida para o DE na forma de FPO.
375
Finalmente, deve-se observar que os contratos bilaterais de

energia firme são facilmente incorporados no FPO-DE. Cada
contrato bilateral de energia firme resulta em uma restrição, for-
çando uma unidade a produzir, sem considerar o custo da uni-
dade envolvida no contrato bilateral, uma quantidade predeter-
minada e uma carga para consumir essa quantidade. O exemplo
5.8 ilustra os efeitos dos contratos bilaterais.
Programação de unidades geradoras

Quando é formulado o problema do DE, considera-se que
todas as unidades geradoras estão em funcionamento e prontas
para produzir. Contudo, as unidades podem estar de prontidão
ou não. A extensão do problema do DE para considerar unida-
des que podem ser ligadas ou desligadas no tempo é denomina-
da programação de unidades ou pré-despacho (PD). O exemplo
6.9 ajuda a caracterizar o problema de PD.
O caso particular de PD apresentado no exemplo 6.9 é de-
nominado PD estática porque considera-se apenas um período
de tempo. Usando a formulação do FPO-DE (equações 6.73 a
6.76), o problema da PD estática é facilmente formulado. Para
isso, os limites de geração da unidade i, e , são multiplicados por
uma variável binária u i. O estado de operação de uma unidade
geradora é assim expresso por (PGi, u i) , e o problema da PD
estática assume a seguinte forma:
minimizaru,PG ,δ ∑ in=1 Ci ( u i , PGi )
(6.78)
sujeito a
u PGmín mín
≤ PG ≤ u i PGmáx máx
(6.79)
uuiii P mín ≤ PG ≤ u i PGmáx
PG ≤ PG ≤ u i PG
G
PPGGG −− PPDDD == PP(((δδ))) (6.80)

P −P =P δ
PF (δ ) ≤ PFmáx máx
P (δ )
PF (δ ) ≤ PF
F ≤ PF máx
(6.81)
376
Neste caso, o custo das unidades é expresso como

1
C i ( u i , PGi ) = u i C0i + a i PGi + bi PGi2
2 (6.82)
Observa-se o seguinte:
As variáveis a otimizar (variáveis de decisão) são (u, PG, d),
que incluem variáveis contínuas e binárias.
O problema 6.78 – 6.81 é, geralmente, um problema de
programação não linear inteiro misto, de difícil solução. Contu-
do, se as funções são linearizadas, o resultado do problema de
programação linear inteiro misto torna-se mais fácil.
Se uma unidade geradora está desligada (u i = 0), seus limi-
tes de geração são zero (como imposto na equação 6.79). Isto
implica que PGi = 0 e Ci (u i, PGi) = 0.
O custo de uma unidade geradora pode ser expresso como
Ci (u i, PGi) = u i C0i + CVi (PGi), onde CVi (PGi) é uma função con-
vexa que depende unicamente de PGi.
De forma mais geral, o problema de PD é um problema de
programação multiperíodo que deve incluir restrições de mu-
dança de níveis de potência gerada (restrições de rampa), as quais
limitam o nível de geração de qualquer unidade entre dois perío-
dos de tempo consecutivos. A PD também pode incluir tempos
mínimos de funcionamento ou de desligamento, que considera
o fato de que certas unidades térmicas, para atingir um ponto de
operação eficiente, devem permanecer em funcionamento de-
pois de serem inicializadas; da mesma forma, se forem desliga-
das, devem permanecer um tempo nesse estado. O processo de
inicialização de uma unidade geradora implica um custo extra
associado com o combustível consumido para colocar a caldeira
em condições, de temperatura e pressão, e de trabalho.
A formulação da PD multiperíodo descrita a seguir é su-
ficientemente geral para refletir os aspectos mais interessantes
do problema:
377
minimizarP G j t, ∀j, ∀t,u jt , ∀j, ∀t ∑ tT=1 ∑ nj =1 C jt ( u jt , PGit ) + C SU

jt (6.83)
sujeito a
C SU SU ≥ C jSU ( u jt − u j,t-1 ) ∀j, ∀t
SU
(6.84)
C C j ( u jt − u j,t-1 ) ∀j, ∀t
jt
C SU ≥
jt ≥ C SU
SU
jt
j ( u jt − u j,t-1 ) ∀j, ∀t
SU
SU (≥ ∀t)) ∀ ∀j,j, ∀ ∀tt (6.85)

C ≥ C jSU uu jt0− ∀uuj,j,t-1
C jtSU SU ≥ C jSU j (≥ jt0 − ∀ j, ∀ t
C jt ≥ C SU
jt
uCjtjtPGjmín
SU
mín C
≥ ≤ jjSU SU ((≥≥uu≤00jtjt −−u∀
j PGjt
∀uuj,j,t-1
jtj,P
∀máx
j,t-1
∀
t) ∀j, ∀t
jt) ∀j, ∀t
jt PGj mín C P 0 u jtj,P jt ∀j, ∀t
j,t-1
Gmáx
u ≤ ≥ ≤ ∀ ∀
u jt PGjmín C ≤ jSU jSU
PGjt≥
Gjt
≤00 u∀ jtj,P ∀ jt ∀j, ∀t
Gmáx
(6.86)
uuPjt P C PjP ≥≤≤ Ruu∀ jtjj,P ∀ jt∀ j,j,j,∀∀ t tt
descida Gmáx
mín − ≤ ∀
P Gj
≤
mín − PGjt
Gj,t-1
Pjt Gj,t-1 P Gjt≤ RG
Gjt
Gjt
≤ Gdescida
P j ∀j, ∀t
Gmáx
∀ ∀
uuPjt PGj
Gj
mín−≤PP
Gj,t-1
GjtGjt≤≤Ru jtj PGmáx
jtj Gmáx
descida
uGGdescida j ∀∀ j,j,j,∀∀ tt
PP PGjtGj −−P ≤P P
GjtGjt≤ ≤ ≤R R
R
jtjj PG j∀∀
subida
j, ∀ ∀t t (6.87)
j, t
jt Gj,t-1 descida
G
PGj,t-1 − − P P
Gj,t-1
≤ subida
∀ ∀
Gjt ≤ RG
∀tj,j,j,j,∀
∀tttt
G subida
Gjt −− ∀ ∀
descida
G
∀ ∀
Gjt j
P Gjt
PnGj,t-1
P
Gj,t-1
Gjt ≤ RG P
j
descida
=1 PG j t =Gsubida
PGj,t-1
Gjt − ∑−P P Gsubida
jj Dt ∀
jj
∀
P R t j, t (6.88)
Gj,t-1
PGjt −∑PnjGj,t-1 njGj,t-1
≤ = P j Dt ∀ ∀ ∀
P −∑P =1 P
1 G≤
G
jt R
j t Gsubida
=GGsubida
Pjj Dt ∀∀ t j,j, ∀ t
PGjt Gjt − u∑
u
Pnj Gj,t-1
n
=
= P
∑itit nnjj ===11 P{{G0,1
Gj,t-1 G0,1
≤j t
jt =
R
=}} ∀PDtj,∀∀tt t
∀
P j,
Dt ∀∀ ∀ tt ∀
u∑it =
uu∑it jj= =1 P
=1 P
{GG0,1
{ 0,1
jt =
jt =
}∀
} ∀P
PDt j, ∀
j, ∀ttt (6.89)
it = { 0,1} ∀j, ∀t
Dt
uu itit = = {{0,1 0,1}} ∀ ∀j,j, ∀ ∀tt (6.90)

onde Cjt (ujt, PGjt) é a função de custo da unidade j (valor
conhecido), C SU j t é o custo da unidade j no começo do período t
(valor desconhecido), C SU j é o custo de inicialização da unidade

j (valor conhecido), PGjt é o nível de geração da unidade j duran-
te o período t (valor desconhecido), PG j é a potência mínima
mín
gerada pela unidade j (valor conhecido), PG j é a capacidade de

máx
geração da unidade j (valor conhecido), PDt é a demanda durante

o período de tempo t (valor conhecido), RG j
descida
é o limite de
R
rampa de descida da unidade j (valor conhecido), G j é o limi-
subida
te de rampa de subida da unidade j (valor conhecido), ujt é uma

variável binária que é igual a 1 se a unidade j está em funciona-
mento durante o período de tempo t; em caso contrário, é zero
(valor desconhecido), n é o número de unidades geradoras e PGj0
e uj0 são os valores de potência gerada e das variáveis binárias no
início do período de otimização.
Nesta formulação assume-se que RG j ≥ PG j
subida mín
e
RG j ≥ PG j para qualquer unidade j. Isso implica que, quando
subida mín
378
uma unidade está em funcionamento, tem capacidade suficiente

de acelerar para alcançar os níveis mínimos de geração em um
único período de tempo.
A função objetivo (6.83) inclui os custos de operação e ini-
cialização no horizonte de planejamento. As restrições (6.84) e
(6.85) são necessárias para modelar os custos de inicialização.
As restrições (6.86) impõem que todas as unidades operem den-
tro de seus limites. As restrições (6.87) e (6.88) são limites de
rampa, e as restrições (6.89) impõem o balanço de potência em
todos os períodos de tempo no horizonte de otimização. Final-
mente, a restrição (6.90) estabelece que as variáveis de estado
dos geradores sejam binárias.
Por simplicidade, não são consideradas as restrições de
rede. Além disso, não são impostos tempos de funcionamen-
to ou desligamento nas unidades geradoras. Adicionalmente, a
função objetivo não considera custos de desligamento de unida-
des. As restrições de reserva que garantem um nível específico
de segurança podem ser incorporadas no problema de PD como
∑ j =1 u j t PGmáxj ≥ PDt + PRt ∀t
n
(6.91)
onde PRt é um nível de reserva conhecido. Essa desigualda-
de assegura que, em qualquer tempo t, existe geração programa-
da o suficiente para controlar a geração depois de qualquer pro-
blema na geração ou da variação da carga. Quanto maior o nível
especificado de reserva PRt, mais seguro é o sistema. Por outro
lado, se o nível de reserva é muito elevado, os custos resultantes
podem ser excessivos, e o problema pode torna-se inviável.
A restrição (6.91), usualmente, leva a um grande número de
unidades em funcionamento com níveis de geração reduzidos.
Essas circunstâncias incrementam a reserva de prontidão para
suprir a ausência inesperada de uma unidade do sistema ou para
379
compensar um aumento súbito de demanda. O exemplo 6.10

ilustra o problema de PD multiperíodo.
O problema da coordenação hidrotérmica é similar a um
problema de PD que também inclui unidades hidrelétricas ge-
ralmente acopladas por equações de balanço de vazão de água,
que por sua vez refletem a continuidade do fluxo de água pelo
sistema fluvial. Nesse caso, além das restrições que impõem o
balanço de água, limites de vazão e de volume devem também
ser considerados.
Operações do mercado de eletricidade

Fundamentos
Um mercado de eletricidade inclui diferentes mecanismos
de negociação, principalmente o mercado atacadista, os contra-
tos bilaterais e os contratos futuros.
As empresas de geração enviam suas ofertas para o mer-
cado atacadista, e as cargas ofertam seu consumo. O operador
do mercado usa um mecanismo de compensação de mercado
para determinar quais são as ofertas aceitas e quais os preços
de compensação de mercado. O operador do mercado gerencia
o mercado do dia seguinte, o qual é calculado com um dia de
antecedência, e geralmente é composto de dados de 24 horas. O
operador do mercado também gerencia períodos de tempo mais
curtos para ajustes e desvios. Esse balanço de mercado em curto
prazo, que é realizado a cada período de tempo de poucas horas,
geralmente tem um impacto econômico pequeno.
Considerando esse ponto de vista econômico, este capítulo
se centra na operação do mercado atacadista.
Os contratos bilaterais livres entre produtores e consumi-
dores são permitidos, desde que seja enviada a informação com
380
tempo suficiente para o operador do mercado. Os contratos

futuros abrangendo períodos longos de tempo (uma semana
até um ano) permitem aos produtores e aos consumidores se
protegerem contra a volatilidade dos seus respectivos custos
ou lucros.
Os comercializadores compram energia no mercado ataca-
dista e usam contratos bilaterais e futuros para fornecer energia
aos seus consumidores. Assim, os comercializadores têm que li-
dar com as incertezas em ambos os lados da transação: incerteza
na compra pelo preço volátil do mercado atacadista, e incerteza
na venda porque os consumidores podem optar por trocar por
outros fornecedores.
O operador de mercado colabora com o operador do siste-
ma para gerenciar o mercado de serviços ancilares, como mer-
cado de reservas de potência reativa, de controle de tensão e de
controle de geração.
A médio e a longo prazos, os produtores e os consumido-
res devem solucionar o equilíbrio entre os contratos bilaterais/
futuros e os investimentos no mercado atacadista. Para produ-
tores/consumidores, um contrato (bilateral ou futuro) implica
preços estáveis, porém, são preços médios baixos/altos para
compra/venda.
No ambiente anterior, o curto prazo abrange desde se-
gundos até uma semana, o médio prazo vai desde uma semana
até vários meses, e o longo prazo vai desde vários meses até
vários anos.
O mercado é vigiado por um regulador cujas funções e
capacidades são diferentes de um mercado para outro. Também,
como as operações do mercado de energia são efetivadas pelas
redes de transmissão e distribuição, essas transações devem ser
aprovadas pelo operador do sistema.
381
Serão abordados aqui os procedimentos de compensação

de mercado e depois uma análise das estratégias de mercado dos
produtores e consumidores.
Despacho centralizado versus operação de

mercado
No DE básico, analisado na primeira parte deste capítulo,
um operador central resolve o problema do despacho com pleno
conhecimento dos dados técnicos e financeiros das unidades de
geração e das demandas.
Em um ambiente de mercado, o problema básico do DE
pode ser resolvido, alternativamente da seguinte forma:
1 - O operador do mercado envia prováveis preços de
compensação;
2 - Considerando esses preços, os produtores determinam
sua produção ótima e enviam essa informação para o
operador do mercado;
3 - Para cada hora do horizonte de mercado, o operador
de mercado calcula as diferenças de potência. Se as di-
ferenças são pequenas, o procedimento termina. Caso
contrário, o operador de mercado modifica os preços
prováveis, proporcionalmente às diferenças, e o proce-
dimento continua a partir do ponto 1.
No procedimento anterior, nenhuma informação dos
produtores ou dos consumidores é conhecida pelo operador
de mercado. Portanto, ao contrário do DE, esse procedimento
é descentralizado.
Pode-se provar que ambos os procedimentos (DE e ope-
ração competitiva de mercado) levam à mesma solução em ter-
mos de produção, consumo e preços. E isso é também certo, se
é considerada uma demanda elástica. Contudo, ambos os pro-
382
cedimentos podem diferir (embora não significativamente se o

número de unidades geradoras é suficientemente grande) se as
decisões da programação de unidades são consideradas.
A próxima seção fornece o ponto de vista do mercado para
os fornecedores e os consumidores.
Procedimentos de liquidação no mercado

Para um conjunto dado de ofertas por produtores e lan-
ces de consumidores, um procedimento de compensação de
mercado é um algoritmo usado pelo operador de mercado para
determinar:
I) As ofertas aceitas;
II) Os lances aceitos;
III) Os preços de compensação.
Esses algoritmos são leilões de complexidade diversa.
As ofertas dos produtores são geralmente consideradas
monotonicamente crescentes, enquanto os lances dos consu-
midores são monotonicamente decrescentes. Três modelos de
leilão são considerados:
• Leilão monoperíodo;
• Leilão multiperíodo
• Leilão multiperíodo com restrições da rede.
Leilão monoperíodo
No leilão monoperíodo, é considerado um único período
de tempo; portanto, são desprezadas (ou simplificadas) as rela-
ções intertemporais. Essa hipótese pode resultar em infactibili-
dade para os produtores e consumidores.
O operador do mercado coleta as ofertas dos geradores (in-
crementando o preço) pelos produtores e dos lances de cargas
383
(diminuindo os preços) pelos consumidores, e compensa o mer-

cado maximizando o benefício comum, ou declara um benefí-
cio comum, caso os produtores/consumidores não enviem seus
custos/benefícios.
Um leilão monoperíodo pode ser formulado da seguinte
forma:
maximizarPDjk ,∀j ,l ; PGib ,∀i ,b SW S =
N (6.92)
∑Nj =D1 ∑k =D1 j λ D j k PDjk − ∑iN=G1 ∑bN=G1 i λ G i k PGib
sujeito a
000 ≤ PDmáxj k ∀j, k
máx
≤ PDjk ≤ ≤P (6.93)
j k ∀j, k
≤P P D j k ∀j, k
PDjk ≤ Dmáx
000 ≤ i b ∀i, b
Djk
≤P PGib ≤ ≤ PGmáx
máx
Gib ≤ P i b ∀i, b
(6.94)
P G i b ∀i, b
≤ P Gmáx
Gib
∑ NNk =D1 j PDD jj kk = ∑ bNN=Gi1 PGG ii bb
N ND j NG N Gi
∑ NNj =DD1 = ∑ iNN=GG1 ∑
∑
∑ jj ==D11 ∑ kk ==D11 j P
∑ PD j k = ∑ ∑ ii ==11 ∑ bb ==Gi11 P
PG i b (6.95)
onde SWS é o benefício comum do período (função ob-
jetivo), PDjk é o bloco de potência k do lance da demanda j
(variável), PGib é o bloco de potência b oferecido pela unidade
geradora i (variável), PDmáxj k é o tamanho em MW do bloco k
ofertado pela demanda j (constante), PGmáxi b é o tamanho em MW
do bloco b oferecido pela unidade geradora i (constante), lDjk é

o preço ($/MWh) do bloco k ofertado pela demanda j (constan-
te), lGib é o preço ($/MWh) do bloco b oferecido pela unidade
geradora i (constante), NDj é o número de blocos ofertados pela
demanda j, NGi é o número de blocos oferecidos pela unidade
geradora i, ND é o número de demandas, e NG é o número de
unidades geradoras.
A função objetivo (6.92) é composta pela diferença de dois
termos. O primeiro é a soma dos blocos de demanda vezes seus
respectivos preços ofertados. O segundo é a soma dos blocos das
geradoras vezes seus respectivos preços oferecidos. As diferenças
SWS definem o benefício comum para o período considerado.
384
As restrições (6.93) estabelecem limites e informam a na-

tureza positiva dos blocos de demanda ofertados, enquanto as
restrições (6.94) estabelecem os limites e informam a natureza
positiva dos blocos oferecidos pelas unidades geradoras. A res-
trição (6.94) assegura que o mercado é compensado, isto é, que
a demanda total é igual ao total da geração.
As variáveis da otimização são as demandas e os blocos de
potência gerada, PDjk,  j, k e PDib,  i, b.
O preço marginal de compensação é a variável dual (6.95),
que coincide com o preço do bloco de geração mais caro que
tenha sido aceito, ou o preço do bloco de demanda mais barato
que tenha sido aceito. O problema anterior é um problema de
programação linear de tamanho moderado, cuja solução pode
ser facilmente obtida.
Se os limites de rampa (subida e descida) das unidades ge-
radoras são considerados, as seguintes restrições devem ser adi-
cionadas ao problema (6.92)-(6.95):
PGG00ii −
P −∑ N
PGG ii bb ≤
∑ bN=GiGi1 P
b =1
≤RRGGdescida
descida
i
i
∀ ii (6.96)
∀
∑
∑
N Gi
N Gi
b =1
b =1
PGib
P −P
Gib − PGG00ii ≤
≤RRGGsubida
subida
i
i
∀ ii (6.97)
∀
onde PG0i é o nível de geração da unidade i no momento
anterior ao período do leilão, e RGdescida i e RGsubida
i são seus limites
de rampa de descida e rampa de subida, respectivamente.
Se os níveis mínimo e máximo de geração são considerados
nas unidades geradoras, as restrições a seguir também devem
ser adicionados ao problema (6.92)-(6.97). Neste caso, a variável
binária u i, é necessária para cada unidade geradora para forçar
que o procedimento da otimização considere todas as possíveis
combinações de limites de geração de potência ativa. Essas res-
trições são definidas pelas desigualdades da equação (6.98):
u i PGmíni ≤ ∑ bN=G1 i PG i b ≤ u i PGmáx
i ∀i (6.98)
385
Da mesma forma, um nível mínimo de demanda pode ser

imposto em qualquer carga, isto é:
PDmínj ≤ ∑ kN=D1 j PD j k ∀j
(6.99)
Geralmente as demandas mínimas precisam ser especifica-
das, e não são usadas as variáveis binárias de (6.99). Isso implica
que a demanda sempre será maior que um valor mínimo especi-
ficado, porque não tem uma variável binária que permita que a
demanda chegue ao valor zero.
Se as restrições não contínuas (6.98) são consideradas, os
preços marginais não podem ser calculados diretamente. É ne-
cessário resolver o problema inteiro-misto (6.92)-(6.99) primei-
ro; então devem-se fixar as variáveis binárias nos seus valores
ótimos, e finalmente resolver o problema contínuo resultante.
As variáveis duais correspondentes às restrições (6.95) do pro-
blema contínuo são os preços marginais de compensação.
O exemplo 6.11 apresenta diferentes ilustrações do proble-
ma do leilão monoperíodo.
Leilão multiperíodo
Em um leilão multiperíodo são considerados vários perío-
dos de tempo (geralmente 24 h), de forma que as restrições de
tempo das unidades geradoras possam ser consideradas. O obje-
tivo é maximizar o benefício comum do horizonte de mercado
multiperíodo.
O leilão multiperíodo é então formulado como
maximizarPD jkt, ∀j,k,t; PG i b t, ∀i, b, t SW M =
∑ t =1  ∑ k =D1 j t ∑ k =D1 j t λ D j k t − ∑ i =G1 ∑ b =G1 i t λG i b t −PG i b t  (6.100)
T N N N N
sujeito a
0 ≤ PDjkt ≤ PDmáx
j k t ∀ j, k, t
(6.101)
0 ≤ PGibt ≤ PGmáx i b t ∀ i, b, t
386
∑k =D1 j t PD j k t = ∑iN=1G ∑bN=G1 i t PG i b t ∀t
N
∑Nj =D1
N Gi ,t NGit descida
0 ≤ PDjkt Djkt ≤ PD
máx máx
jj kk tt ∀ j, k, t
00 ≤ ≤ PDjkt ≤ PD
≤ PDDmáx máx
máx
jj kk tt ∀∀ j,j,j, k,k,
k, ttt
0
0 ≤
≤
P
PDjkt
≤
≤ P
P
máx
k t∀ ∀
0 ≤ PGibt PGibt ≤ PG
Djkt D
Dmáx
máx j,
ii bb tt ∀ i, b, t
j k, t (6.102)
00 ≤ ≤ PGGmáx
Djkt j k t
máx
PGibt ≤ PG ii bb tt ∀ i,i, b, tt
máx
0≤P ≤ P PGG NNii bbGGtt ∀
máx ∀ b,
∑NNNNjj==DDDD11 ∑NNkNkN0==DDDD11≤jjjj tttt P
Gibt
PGibt ≤ ≤P ∀ i,i,NN Gb,
b, t
G ii ttt PG i b t ∀t
N
PGibt
D jj kk tt = ∑iN
D =1G1 ∑bN i t PG
11 i t (6.103)
∑
∑ 1 ∑N
∑ 1 jt P PD j k t = ∑N
= ∑ iN= G ∑
∑
bN=
G1 i t PG ii bb tt ∀
=G
G G ibt
∀ tt
N j 1
∑NNjj ==GiGi11 ,,tt ∑
∑ N j =D = D k
k =D= 1
D j t D
∑kk ==11i b,t-1PDD−jj kk tt NGit
j k t
=∑
=
iN
∑Pii ==11ib ∑
i == 1
G
1 b
N 1
∑bb==11 descida
b
N
=
= PGG ii bb tt ∀
P ∀t
11 ,,tt PG G ib ≤ RG ∀i, tt
G G i t
∑ bN
P − ∑bNGit NGit
=11 PG ≤ R
descida
descidaii
∀ (6.104)
∑ =Gi
P ∑ P R i, t
bN= G i b,t-1 =
bNGit Gdescida
∑ N
bN =
Gi
1
Gi , t
∑NNbbbGiGi===Gi111,,tt ,t PP PGG ii b,t-1
G
G ii b,t-1
b,t-1 −
−
− NG ∑
∑ b =1 P
b
NGit 1
=1 PG
= G
G ib
G ib ≤
≤
≤R RGGdescida
G
G ii
descida ∀
∀i,i,i, ttt
subida∀
b,t-1 ib
∑ ∑ bNGit
∑bNbN==Gi11 ,t PGGG iii b,t b,t − ∑bNG
NG b i,t-11 PGGib,t-1 ib,t-1 ≤ RG
i subida
i ∀i, t
i,t-1 P ≤ RGGsubida
i,t-1
= ib
=11 i,t-1 ii
subida
∑
∑bbNbN===GiGiGi111 ,,,ttt P Pmín
G i b,t − ∑
b,t
− ∑bNG bNG =
PGGib,t-1 ib,t-1 ≤ RG
subida ∀
∀i,i,i, ttt (6.105)
P R
i,t-1 G ii
− bNG =11 i,t-1 ≤ subida
∀
∑b =1u itit PPGGmín PGib,t-1 ≤ GR
ib,t-1
∑ G i b,t≤− ∑ ∑ =
b =1 PGibt ∀i, t
Gibt ≤ u itit PG
G 1 máx G i
ii ∀i, t
N b
∑bNbNN==Git
mín i b,t Git = máx
Git Gi
uu itit P P ii ≤
ii
mín
≤ ∑
∑ Git11 P
11
P ≤ u PGmáx
Gibt ≤ u itit PG
máx
máx
ii ∀ ∀ i,i, tt
uu itit P PGG ii ≤
Gmín
Gmín
≤mín
mín∑
bbN=
∑bb==11 NNP
N = Git
PDjDjGibt
Gibt
tt ≤ ≤ uu itit P PGG ii ∀
máx
∀i,i, tt (6.106)
PDDmín 11 tt PD
Git Gibt
jj tt ≤ ∑ D jj kk tt ∀j, t
P
PDDDmínmín
jj tt ≤≤∑
N
kN
k =
=Dj
Dj P
PDDD jjj kkk ttt ∀
∑Nkk===DjDj111 tt P ∀
∀j,j,j, ttt
P
P
mín
j t ≤ ∑kN
D jt ≤ ∑ k =1 PD j k t ∀j, t (6.107)
onde SW M é o benefício comum para o multiperíodo (fun-
ção objetivo), PDjkt é o lance do bloco de potência k pela deman-
da j no tampo t (variável), PDibt é o bloco de potência b oferecido
pela unidade geradora i no tempo t (variável), PD j k t é a potência
máx
do bloco em MW do lance do bloco k pela demanda j no tempo

t (constante), PGmáx
i b t é o tamanho em MW do bloco b oferecido
pela unidade geradora i no tempo t (constante), lDjkt é o pre-

ço ($/MWh) do lance do bloco k pela demanda j no tempo t
(constante), lGibt é o preço ($/MWh) do bloco b oferecido pela
unidade geradora i no tempo t (constante), NDjt é o número de
lances de blocos pela demanda j no tempo t, NDbit é o número
de blocos oferecidos pela unidade geradora i no tempo t, u it é a
variável de estado binária da unidade i no tempo t (1 se a unida-
de está em funcionamento, 0 se a unidade está desligada), PD j t
mín
é a mínima carga da demanda j no tempo t, e T é o número de

períodos do horizonte de mercados. Nota-se que ∑ b =1 PG i b 0 é
nG i o
igual à potência inicial gerada pela unidade i.

A função objetivo (6.100) é similar à função objetivo da
equação (6.92), mas inclui um somatório adicional no tempo.
Ela representa o benefício comum (ou benefício comum decla-
rado) no horizonte do mercado multiperíodo, SW M.
As restrições (6.101) e (6.102) estabelecem os limites e in-
formam a natureza positiva dos lances dos blocos das demandas
387
e as ofertas das unidades geradoras, respectivamente. A restri-

ção (6.103) assegura que o mercado seja compensado em cada
período de tempo, isto é, a demanda aceita seja igual à gera-
ção programada em qualquer período de tempo. As restrições
(6.104) e (6.105) impõem os limites de rampa para todas as uni-
dades geradoras em todos os períodos de tempo. As restrições
(6.106) e (6.107) impõem as potências mínimas e máximas das
unidades geradoras e os requerimentos mínimos das demandas
em todos os períodos de tempo.
As variáveis de decisão são PDjkt,  j, k, t; PGibt,  i, b, t;
e u it,  i, t; isto é, os blocos de potência da demanda, os blocos
de potências das unidades geradoras e as variáveis de estado das
unidades geradoras.
Os preços marginais de compensação são as variáveis duais
das equações de balanço de potência (6.103), depois que as vari-
áveis binárias são fixadas nos seus valores ótimos e o problema
resultante é resolvido.
O problema (6.100) - (6.107) é um problema de programa-
ção não linear inteiro misto, de dimensão moderada, que pode
ser resolvido facilmente.
O exemplo 6.12 apresenta as diferentes ilustrações do leilão
multiperíodo.
Leilão multiperíodo com restrições de rede

No caso mais geral, o balanço de uma barra na equação
(6.103) é substituído pelo conjunto de equações de balanço nodal:
Σi ∈Ω Gr Σk =1D j t PGibr − Σ∈ΩDr Σk =1D j t PD j k t =
N N

(6.108)
Σs ∈Ωr Brs ( θ rt − θ st ) ∀r, t
com os limites de capacidade de transmissão incorporados
como
388
− PFrsmáx ≤ Brs ( θrt − θst ) ≤ PFrsmáx ∀t (6.109)

onde WDr é o conjunto de índices das demandas ligadas na
barra r (dado), WGr é o conjunto de índices das unidades gerado-
ras ligadas na barra r (dado), Wr é o conjunto de barras adjacen-
tes à barra r (dado), Brs é a susceptância da linha rs (constante),
qrs é o ângulo da tensão da barra r no tempo t (variável), e é a
máxima capacidade de transmissão da linha rs (constante).
O problema de otimização, incluindo as equações (6.100)
a (6.102), as equações (6.104) a (6.107) e as equações (6.108) a
(6.109), é um leilão multiperíodos com restrições de rede.
Depois de fixar as variáveis binárias nos seus valores óti-
mos, as variáveis duais da equação (6.108) fornecem os preços
nodais na rede em todos os períodos de tempo, isto é:
∂ sw M
λrt = ∀ r, t (6.110)
∂ PDrt
O exemplo 6.13 ilustra dois casos de um leilão multiperío-
do com restrições de rede.
Atribuição de preços
Para atribuir preços, geralmente são utilizados dois critérios:
• Preço marginal;
• Preço do lance.
Com o preço marginal, as unidades geradoras e as deman-
das, respectivamente, recebem e pagam o preço marginal. De
forma mais geral, se as restrições da rede são consideradas no
processo de compensação de mercado, as unidades geradoras e
as demandas são pagas pelo preço nodal. Na metodologia preço
de lance, as ofertas aceitas pelos geradores são pagas pelo pre-
ço ofertado, e os lances aceitos pelas demandas são pagos pelo
preço do lance.
389
É comumente aceito que o preço marginal fornece um

sinal econômico mais apropriado do que o preço de lance.
Programação do produtor e estratégias de

ofertas
Um produtor deve determinar sua própria produção óti-
ma. Assim ele deve idealizar uma estratégia de ofertas para as-
segurar que sua produção ótima seja aceita pelo mercado ataca-
dista. Alternativamente, o produtor deve deduzir sua curva de
oferta diretamente.
Em primeiro lugar, considera-se um produtor sem possi-
bilidades de alterar seu preço marginal de compensação, isto é,
um produtor sem poder de mercado, sem poder planejar sua
produção ótima. Depois, considera-se um produtor com capaci-
dade de alterar seu preço marginal de compensação, isto é, um
produtor com poder de mercado, que pode planejar o autodes-
pacho ótimo.
Conclui-se a seção com um sumário das estratégias de ofer-
tas para os produtores com poder de mercado e para os produ-
tores sem poder de mercado.
Produtores sem poder de mercado

Como um produtor sem poder de mercado não tem pos-
sibilidades de alterar seu preço marginal de compensação, seu
problema de maximização de lucro é decomposto por gerador.
Assim, o objetivo de certa unidade geradora é maximizar seu
lucro esperado no horizonte de mercado. O lucro total esperado
pode ser expresso como
Eλ 1 ,,λ T { Σ Tt =1λt PGit } − Σ Tt =1 Cit ( PGit ) (6.111)
390
onde l1, ... , lT são os preços marginais (variáveis

estocásticas); Eλ 1 ,,λ T { Σ Tt =1λt PGit } representa as expectativas
sobre l1, ... , lT; PGit é a potência gerada pela unidade i no
tempo t; e Cit (PGit) é o custo de produzir PGit durante a hora t
pela unidade i.
Felizmente, a linearidade permite mudar os operadores de
somatória e expectativa,
Eλ 1 ,,λ T { Σ Tt =1λt PGit } − Σ Tt =1 Cit ( PGit ) = Σ Tt =1 Eλ t {λ Τ } PGit =
Σ Tt =1  λtméd PG i t − Cit ( PG i t )  (6.112)
onde λtméd é o valor esperado dos preços marginais de com-
pensação no tempo t.
O problema da produção própria de uma unidade geradora
térmica i é então formulado como
maximizarp Git , u t ,∀t Σ Tt =1  λtméd PG i t − Cit ( PG i t )  (6.113)
sujeito a
uu itit P mín
i ≤ PGit ≤ u it PGimáx
máx
máx ∀t (6.114)
it PG Git ≤ u itit PGi
mín
G ii ≤ PGit ∀t
Gmín
Gi
≤ RGiGidescida u itit + RGiGisd (( uu i,t-1

i,t-1 − u it ) + PGmáx i (1 − u i,t-1 ) ∀t (6.115)
descida u it + RGi
descida sd máx
PGi,t-1
P − PGit
Git ≤ RGi
Gi,t-1 − PGit
sd
i,t-1 − u itit ) + PGG ii (1 − u i,t-1
máx
i,t-1 ) ∀t
Gi,t-1
Git − PGi,t-1 ≤ RGi subida u i,t + RGi su ( u it − u i,t-1 ) + PGmáx i (1 − u it ) ∀t
subida su máx
P u i,ti,t + RGiGi ( u itit − u i,t-1
i,t-1 ) + PGG ii (1 − u itit ) ∀t
subida su máx
Gi,t-1 ≤ RGi
Git − PGi,t-1
PGit Gi
(6.116)
onde PGi0 é a produção da unidade i no começo do hori-
zonte de mercado, RGi é o limite de parada de rampa, e RGi é o
sd su
limite de partida de rampa.

Observa-se que dois novos limites de rampa são introdu-
zidos, os limites de partida e parada de rampa. Esses limites
permitem uma descrição mais detalhada dos procedimentos de
partida e de parada das unidades. O limite de rampa de partida
estabelece o máximo nível de potência gerada durante o tempo
de partida da unidade, enquanto o limite de parada estabelece o
máximo nível de potência gerada durante a parada da unidade.
391
A função objetivo (6.113) é o lucro esperado da unidade ge-

radora i no horizonte de mercado. A restrição (6.114) impõe que
cada unidade trabalhe dentro dos seus limites operacionais. As
restrições (6.115) e (6.116) impõem os limites de rampa. Outras
restrições, como os tempos mínimos de funcionamento ou de
desligamento de uma unidade, podem ser facilmente incorpo-
radas no modelo.
O problema (6.113) e o (6.116) são problemas de programa-
ção linear inteiro-misto de pequeno porte. Pode ser facilmente
resolvido usando um software comercial.
O exemplo 6.14 ilustra o problema da programação própria
enfrentado por uma unidade térmica sem poder de mercado.
Considerando-se um produtor hidrelétrico. As distintas
unidades desse produtor estão acopladas fisicamente pela vazão
do rio. Além disso, a falta de água resulta em um acoplamento
temporal entre as unidades hidrelétricas. Portanto, todas as uni-
dades devem ser consideradas simultaneamente.
O problema de maximização resultante tem a seguinte
forma:
maximizarp Ght , V ht , Q ht ,∀h ,t Σ Tt =1 ( λtméd Σ hN=H1 PG h t ) (6.117)
sujeito a
PGht = ρ Q Ght ∀
Ght = ρhh Q Ght ∀h, h, tt (6.118)
PPGhtGht = ρhh Q Ght Ght ∀h, t
Vhththt ==
V =VV − Q ht +
t-1 − Q ht
Vh,h,h,t-1t-1 +W Whtht ++
+ ΣΣ Σkkk∈Ω Q
Qkkkttt (6.119)
H // hh Q
∈Ω H
h, t-1 − Q ht ht + Wht
∈Ω
V ht ht H //hh
k ∈Ω H kt
V
V mín ≤ V ≤ V máx
mín
≤ V ≤ V
máx
Vhhtt ≤ Vhtht ≤ Vhhtt
hhmíntt
mín ht
ht hhmáx
tt
máx (6.120)
Q
Qhmín
mín
tt ≤
mín
≤Q ≤Q
Q htht ≤ Qmáx
máx
máx
Q
ht t ≤ Q ht ≤ Qh t
hhmín
ht ht
hhmáxtt
(6.121)
onde PGht é a potência produzida pela unidade h da hidrelé-
trica na hora t (variável), V ht é o volume do reservatório h, no final
do período t (variável), Qht é o volume de água descartada pela
unidade h durante o período t (variável), W ht é o fluxo de água
392
(volume) chegando ao reservatório h durante o período t (cons-

tante), NH é o número de unidades hidrelétricas do sistema hídri-
co considerado (dado), rh é o fator de conversão MWh/Hm3 da
unidade hidrelétrica h (constante), e WH/h é o conjunto de índices
dos reservatórios a montante e a jusante do reservatório h (dado).
A função objetivo (6.117) é o lucro esperado (rendimentos)
das unidades hidrelétricas na bacia do rio. As restrições (6.118)
estabelecem a relação entre o volume de água liberado e a ener-
gia elétrica produzida. As expressões não lineares que conside-
ram o efeito dos reservatórios e as perdas também podem ser
modeladas e linearizadas. As restrições (6.119) a (6.121) são os
balanços hídricos e os limites das variáveis.
Observa-se que na formulação anterior os tempos de mo-
vimentação são desprezados. Se não são desprezados, os retar-
dos podem ser facilmente incorporados no problema (6.117)
a (6.121).
O problema (6.119) – (6.121) é um problema de programa-
ção linear de dimensão moderada, fácil de resolver usando um
software comercial.
O problema 6.15, ilustra o problema da programação pró-
pria enfrentado por um produtor hidrelétrico.
Produtor com poder de mercado

Um produtor com a capacidade de alterar o preço marginal
de compensação de suas unidades coordena a produção de suas
unidades de forma que o preço marginal seja alterado para o seu
benefício. Os produtores rivais também se beneficiam porque
eles obtêm um preço superior, sem necessidade de fazer nada.
Além disso, o incremento nos rendimentos pode ser mais eleva-
do para os produtores rivais do que para o produtor que alterou
o custo marginal.
393
Por simplicidade, considera-se um produtor térmico.

Contudo, um produtor hidrelétrico pode ser tratado de forma
similar.
O problema de maximização enfrentado por um produtor
com poder de mercado é formulado como
maximizarp Git , ∀i ,t ; PGt ,∀t ΣTt =1  λ tméd ( PGt ) PGt − ΣiN=1G Cit ( PG i t ) (6.122)
sujeito a
PGht =
PGht
Ght ==Σ Σ NG
P ∀
PGGG iii ttt ∀
Σ iiiNNN===GG1G11 P ∀ ttt (6.123)
P
P = Σ 1 P ∀ t
u it P PG i t ≤ u it PGmáx
mín Ght i = G i t
PGGGmín i ≤ i ∀
i ≤ PG i t ≤ u it PGmáx
mín
i ∀ i, t
máx i, t (6.124)
P
uuu ititit P mín
i ≤ PG i t ≤ u it PGmáx
G i ≤ PG i t ≤ udescida
i ∀ i, t
it PG i ∀ i, t
P t-1 −
PGGG iii t-1
t-1 −−P P
PGGG iii ttt ≤≤
≤R R
RGGGdescida
descida
i
descida ∀
∀ i,i,i, ttt (6.125)
P
PG i t-1 − PG i t ≤ RGsubida
i
i ∀
∀ i, t
R
i
P −
−P
PGGG iii ttt − P t-1 ≤
PGGG i,i,i, t-1
t-1 ≤ ≤R RGGGsubida
subida
i
subida ∀
∀ i,i,i, ttt
P
PG i t − PG i, t-1 ≤ RG i ∀ i, t
i
i ∀ (6.126)
onde PGt é a produção total do produtor na hora t (variá-
vel), λi ( PGt ) é o preço marginal esperado como uma função
méd
da produção do produtor na hora t (dado), e NG é o número de

unidades pertencentes ao produtor considerado (dado).
A função objetivo (6.122) é o lucro do produtor no hori-
zonte de mercado. Esse lucro é calculado subtraindo os custos
dos rendimentos. Observa-se que os rendimentos dependem
dos preços, que, por sua vez, são influenciados pelos níveis de
produção do produtor.
As restrições (6.123) determinam a produção total do pro-
dutor. As demais restrições são similares às restrições corres-
pondentes no caso do produtor sem poder de mercado.
A solução deste problema fornece a produção ótima do
produtor sem poder de mercado em cada hora e, consequente-
mente, o preço marginal de compensação de cada hora.
O problema (6.122) – (6.126) é um problema de programa-
ção linear inteiro-misto, de dimensão moderada. Em geral, este
é um problema de difícil solução.
394
O exemplo 6.16, ilustra o problema de programação pró-

pria de um produtor com poder de mercado.
Estratégias de lances
Uma estratégia de lances é um conjunto de regras que faci-
lita ao produtor oferecer energia de forma que sua programação
própria ótima seja aceita durante o processo de compensação
do mercado.
Se o produtor não tem poder de mercado, uma forma apro-
priada é oferecer, a preço zero, durante cada hora, os blocos que
devem ser aceitos, e a um preço infinito os blocos restantes.
Se o produtor tem poder de mercado, é necessário um con-
junto de regras mais sofisticado.
Pontos de vista do consumidor e do

comercializador
Um comercializador compra energia do mercado atacadista
(ou utilizando contratos bilaterais de médio ou longo prazos)
para vender para seus clientes a preços fixos. Um consumidor
compra energia para seu consumo próprio. O problema que es-
ses agentes enfrentam é, portanto, similar. Considerando adi-
cionalmente que uma unidade cogeradora de tamanho limitado
está disponível, o problema do consumidor/comercializador
pode ser formulado como
maximizarp Gt , P Bt , u t ; ∀t Σ Tt =1 U t ( PDt ) − Ct ( PG t ) λtméd PB t  (6.127)
sujeito a
Gt +
(6.128)
P
PGt
Gt +P PBtBtBt =
=P PDt Dt ∀
Dt ∀ tt
uu ttt P mín
PGGGmín ≤
mín
≤P PGtGt ≤
Gt ≤ uu ttt P
máx
PGGGmáx ∀
máx
∀ i,i, tt (6.129)
≤R
descida
P G,t-1 −
−P Gt ≤ ∀
∀ tt (6.130)
descida
PG,t-1
G,t-1 PGtGt RGGGdescida
ii
i
≤R
subida
P Gt −−P t-1 ≤ RGGGsubida ∀ ∀ i,i, tt
subida
PGt
Gt PG,G,G, t-1
t-1
395
PGt + PBt = PDt ∀ t
u t P dos
6 O despacho no contextoG
mín
≤ Pnovos PG ∀ i, tde energia
máx
Gt ≤ u tmercados
PG,t-1 − PGt ≤ RGdescida

i ∀t
PGt − PG, t-1 ≤ RGsubida ∀ i, t (6.130)
onde Ut (PDt) é o rendimento/benefício que é obtido pelo
comercializador/consumidor PDt; PGt é a potência cogerada na
hora t; PBt é a potência comprada do mercado atacadista na hora
t; PDt é a demanda a ser fornecida na hora t; e Ct (PDt) é o custo
de cogerar para produzir PGt na hora t.
A função objetivo (6.127) representa o lucro do comercia-
lizador/consumidor. Ela inclui três termos: o rendimento/be-
nefício do comercializador/consumidor, o custo de cogerar, e o
custo de comprar do mercado atacadista.
As restrições (6.128) impõem que a demanda seja suprida
durante todas as horas do horizonte de mercado. As restrições
(6.129) a (6.131) impõem os limites de factibilidade da unidade
de cogeração. A solução deste problema é a potência de cogerar
a energia comprada do mercado atacadista a cada hora.
O problema (6.127) - (6.131) é um problema de programa-
ção linear inteiro-misto de dimensão moderada que pode ser
resolvido facilmente utilizando um software comercial.
O exemplo 6.17 ilustra o problema da aquisição ótima en-
frentado por um comercializador.
396
EXEMPLOS
Exemplo 6.1
Considera-se duas unidades geradoras fornecendo a de-
manda total do sistema PDtotal . As funções de custo quadráticas
estão caracterizadas pelos parâmetros na tabela 6.1.
a ($/ b ($/ PGmín PGmáx

Unidade C0 ($/h)
MWh) (MW)2h) (MW) (MW)
1 100 20 0,05 0 400
2 200 25 0,10 0 300
Tabela 6.1: Parâmetros das funções de custo quadráticas.
Resolvendo o DE, obtém-se o seguinte resultado:
650 + PDtotal
λ= $ / MWh
30
 2 100 
 PDtotal 
3 3 
PG =  MW
 1 100 
 PDtotal
−
 3 3 
Para os níveis específicos de demanda do sistema de 40,
250, 300 e 600 MW, obtêm-se os níveis de geração do DE cor-
respondentes, os custos incrementais do sistema, e os custos in-
dicados na tabela 6.2:
PDtotal PG1 PG2 λ ($/

Caso C ($/h)
(MW) (MW) (MW) MWh)
A 40 60 -20 23 1.110
B 250 200 50 30 6.675
397
PDtotal PG1 PG2 λ ($/

Caso C ($/h)
(MW) (MW) (MW) MWh)
C 300 233,3 66,7 31,67 8.217
D 600 433,3 166,7 41,67 19.217
Tabela 6.2: Níveis de geração, custos incrementais e os custos para o exemplo 6.1.
A equação (6.132) implica que o custo incremental l, cres-

ce linearmente com a demanda;
A equação (6.133) resulta em uma alocação assimétrica da
demanda do sistema entre as unidades geradoras, como conse-
quência de os fatores de participação serem 2/3 para a unidade
1 e 1/3 para a unidade 2. Este é um resultado razoável porque o
custo da unidade 2 aumenta com o aumento da sua produção a
uma taxa mais alta do que a unidade 1, isto é, b1 = 0,05 < b2 =
0,1. Neste sentido, pode-se dizer que a unidade 1 é, em termos
de incremento, mais eficiente que a unidade 2.
A demanda do sistema é fornecida pelas duas, não somente
pela unidade 1 que é a mais eficiente. Contudo, a unidade mais
eficiente fornece energia para a maior parte da carga (2/3).
A solução ótima do DE (6.133) satisfaz a equação de balanço
da demanda. Porém, se a demanda é tão baixa ( PD < 100 MW ) ,
total
como no caso A do exemplo 6.1, o nível de geração PG2 torna-se

negativo, o que viola o limite mínimo de geração da unidade 2.
De outro lado, se a demanda é tão grande ( PD > 550 MW ) ,
total
como no caso D do exemplo 6.1, o nível de geração PG1 é supe-

rior à capacidade da unidade 1, que é de 400 MW. Essas duas
observações confirmam que, como os limites das unidades não
foram considerados ao resolver o problema básico do DE, algu-
mas das soluções são infactíveis.
398
Exemplo 6.2
Este exemplo utiliza os mesmos dados das unidades gera-
doras do exemplo 6.1, assim como as demandas elásticas carac-
terizadas na tabela 6.3
bD($/
Carga aD ($/MWh) PDmín (MW) PDmáx (MW)
(MW)2h)
1 55 - 0,2 0 300
2 50 - 0,1 0 350
Tabela 6.3: Demandas elásticas para o exemplo 6.2.
O expoente D indica demanda.

O DE com demanda elástica produz os seguintes resultados:
PDtotal
PG1 PG2 PD1 PD2 λ ($/ SW
Caso
(MW) (MW) (MW) (MW) (MW) MWh) ($/h)
A 180 153,3 26,7 68,3 111,7 27,7 2.504,2
Observa-se que a geração total é igual à demanda total (180

MW) e que os custos incrementais são iguais ao benefício incre-
mental $ 27,7/MWh. Em geral, as demandas elásticas têm a ten-
dência de diminuir o consumo assim como o custo incremental
do sistema.
Exemplo 6.3
Os resultados do DE, considerando as unidades como fun-
ção dos custos do exemplo 5.1 são os seguintes:
PDtotal PG1 PG2 I C1 ($/ I C2 ($/ λ ($/

Caso C ($/h)
(MW) (MW) (MW) MWh) MWh) MWh)
A 40 40 0 (mín) 22 25 22 1.140
399
PDtotal PG1 PG2 I C1 ($/ I C2 ($/ λ ($/

Caso C ($/h)
B 250 200 50 30 30 30 6.675
C 300 233,3 66,7 31,67 31,67 31,67 8.217
400
D 600 200 40 45 45 19.300
(máx)
Observa-se que:
Para o caso A, a solução obtida implica que a unidade 2
opera no seu limite mínimo de 0 MW. Assim, o custo incremen-
tal da unidade 2 (I C2 = $25/MWh) é superior ao custo marginal
(l = $22/MWh).
Para os casos B e C, ambas as unidades operam dentro dos
seus limites, sendo l = IC1 = IC2.
Para o caso D, a unidade 1 opera no seu limite máximo,
com um custo incremental de IC1 = $ 40/MWh cumprindo a
restrição de ser menor que o custo marginal de l = $45/MWh.
Como esperado, o custo incremental do sistema aumenta
linearmente por partes com a demanda, enquanto o custo total
cresce quadraticamente com a demanda.
Exemplo 6.4
Considera-se o sistema de três barras e três linhas (as sus-
ceptância em derivação são desprezadas), descrito na tabela
Barra inicial Barra final Condutância (pu) Susceptância (pu)

1 2 1 - 10
1 3 1 - 10
2 3 1 - 10
Tabela 6.6: Sistema de três barras.
400
Considerando que cada barra pode possuir geração e carga

e que a barra 3 é escolhida como barra de referência, as equações
de fluxo de potência são
PG1 − PD1 = cos ( δ 1 − δ 2 ) + cos ( δ 1 − 0 ) + 10 sen ( δ 1 − δ 2 )
+10 sen ( δ 1 − 0 )
PG2 − PD2 = cos ( δ 2 − δ 1 ) + cos ( δ 2 − 0 ) + 10 sen ( δ 2 − δ 1 )
+10 sen ( δ 2 − 0 )
PG3 − PD3 = cos ( 0 − δ 1 ) + cos ( 0 − δ 2 ) + 10 sen ( 0 − δ 1 )
+10 sen ( 0 − δ 2 )
Este sistema possui três equações e duas variáveis d. As-
sim, dois dos três níveis de geração podem ser especificados
para calcular o vetor desconhecido d. O terceiro gerador é
calculado usando as equações (6.134) depois que o vetor d é
determinado.
Exemplo 6.5
Considera-se o sistema de três barras e três linhas, caracte-
rizado na tabela seguinte e ilustrado na figura 6.3 (as susceptân-
cias em derivação são desprezadas).
Figura 6.3: Rede de três barras para o exemplo 6.5.
401
Barra inicial Barra final Resistência (pu) Reatância (pu)

1 2 0,02 0,1
1 3 0,02 0,1
2 3 0,02 0,1
Tabela 6.7: Sistema de três barras.
As barras 1 e 2 incluem as duas unidades caracterizadas

no exemplo 6.1. A única demanda está localizada na barra 3 e é
distinta, dependendo dos casos considerados nas tabelas 6.7. Os
módulos das tensões são constantes e iguais a 1. A base conside-
rada é 100 kV e 200 MVA.
As tabelas 6.8 e 6.9 apresentam os resultados para o DE
sem perdas e com perdas.
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/ C

Caso
(MW) (MW) (MW) MWh) MWh) MWh) ($/h)
B 250 200 50 30 30 30 6.675
C 300 233,3 66,7 31,67 31,67 31,67 8.217
Tabela 6.8: Casos sem perdas.
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/ C

Caso
B 250 200,4 53,3 30 30,02 30,98 6.786
C 300 234,4 70,8 31,67 32,08 32,92 8.383
Tabela 6.9: Casos com perdas
Observa-se que:
Para os casos sem perdas, os preços nodais são os mesmos.
Para os casos com perdas, os preços nodais variam através da
rede, e essa diferença é mais significativa quanto mais a deman-
da é incrementada.
As perdas do sistema são menores que 2% da demanda.
402
O custo total aumenta, nos casos com perdas, em torno de

2% devido às perdas.
As perdas estão alocadas nas unidades geradores em pro-
porção distinta. É relevante ressaltar que a maior parte das per-
das está alocada no gerador de maior custo (unidade 2).
Exemplo 6.6
Considera-se os dados do exemplo 6.5, mas adiciona-se um
limite na capacidade de transmissão de 140 MW da linha 1 – 3.
Os resultados do DE são mostrados nas tabelas 6.10 e 6.11.
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/ C

Caso
B 250 200 50 30 30 30 6.675
C 300 233,3 66,7 31,67 31,67 31,67 8.217
Tabela 6.10: Resultados sem perdas e sem limites de transmissão na linha 1 – 3.
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/ C

Caso
B 250 170,06 79,94 28,50 32,99 37,49 6.742
C 300 119,94 180,06 26,00 43,01 60,07 9.181
Tabela 6.11: Resultados sem perdas e com limites de transmissão na linha 1 – 3.
Observa-se que:
Se a linha 1 – 3 não está sobrecarregada, os preços nodais
são iguais em toda a rede. Se a linha 1 – 3 está sobrecarregada,
os preços nodais variam na rede, e as diferenças relativas incre-
mentam com a demanda. Para o caso C, o preço nodal na barra
3 é maior que o dobro do preço na barra 1, indicando que é
comparativamente mais custoso fornecer energia para a barra 3
quando o sistema tem sobrecarga.
403
Como esperado, o custo total aumenta com a sobrecarga.

O aumento mais significativo acontece no caso C.
Ambas as unidades compartilham simetricamente das mu-
danças na geração, uma aumentando seu nível de geração, e a
outra reduzindo-o. Dado que somente as duas unidades gerado-
ras estão disponíveis e as perdas são desprezadas, não é possível
fazer outra alocação.
Os níveis de geração mudam mais significativamente com
a limitação da capacidade das linhas do que com as perdas.
Exemplo 6.7
Considera-se os mesmos dados do exemplo 6.6. Os resulta-
dos são apresentados nas tabelas 6.12, 6.13 e 6.14.
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/

Caso C ($/h)
0
A 40 40 22 33 22 1.140
(mín)
B 250 200 50 30 30 30 6.675
C 300 233,3 66,7 31,67 31,67 31,67 8.217
400
D 600 200 45 45 45 19.300
(máx)
Tabela 6.12: Resultados sem perdas e sem limite de capacidade de transmissão, mas com
limites de geração.
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/ C

Caso
B 250 170,06 79,94 28,50 32,99 37,49 6.742
C 300 119,94 180,06 26,00 43,01 60,07 9.181
Tabela 6.13: Resultados sem perdas, mas com limites de capacidade de transmissão e geração.
404
PD PG1 PG2 λ1 ($/ λ 2 ($/ λ 3 ($/ C

Caso
A 40 40,11 0 (mín) 22,01 22,07 22,13 1.142
B 250 166,4 87,0 28,32 33,70 39,78 6.874
C 300 155,55 189,31 28,78 43,93 64,17 9.469
Infac-
D 600
tível
Tabela 6.14: Resultados com perdas e limites de capacidade de transmissão e geração.
Para o caso A do exemplo 6.7 (baixa demanda), não acon-
tece violação de limites nas linhas. Isso resulta em diferenças re-
lativamente pequenas (devido às perdas) entre os preços nodais.
Os casos A do exemplo 6.7 e A do exemplo 6.3 são simila-
res, a única diferença é como as perdas afetam a solução.
Os casos B do exemplo 6.7 e C do exemplo 6.7, com a linha
1 – 3 sobrecarregada, são similares aos casos B do exemplo 6.6
e C do exemplo 6.6. Novamente, as diferenças são atribuídas às
perdas.
O caso D do exemplo 6.7 é infactível porque a demanda
supera a capacidade de transmissão da rede. No mundo real,
uma situação similar resultaria em um racionamento de energia
para alguns consumidores.
A inclusão das perdas e limites reduz os níveis de geração
das unidades de menor custo.
Exemplo 6.8
Considera-se as unidades com as funções de custo do exem-
plo 6.1, supondo que a unidade geradora 2 e a carga assinam um
contrato bilateral de 50 MW a $ 31,5/MWh. Assume-se que este
contrato é físico, ou seja, que o gerador é obrigado a gerar a
405
quantidade contratada. Em contraste, um contrato financeiro

seria aquele em que o gerador é somente obrigado a garantir o
preço bilateral, mas não precisa gerar a quantidade contratada,
que pode ser gerada por outra unidade. Com esse contrato físi-
co, a unidade 2 é obrigada a gerar 50 MW sem importar o custo
marginal do sistema.
O lucro para a unidade geradora 1, Lucro1 , é calculado
como o custo marginal do sistema vezes sua produção, menos
seus custos de produção. O lucro para a unidade geradora 2,
Lucro2 , é calculado como o custo marginal do sistema vezes sua
produção, diminuída em 50 MWh, mais o preço do contrato
($31,5/MWh) vezes 50 MWh, menos seus custos de produção.
PD PG1 PG2 λ ($/ Lucro1 Lucro2

Caso
(MW) (MW) (MW) MWh) ($) ($)
A 50 0,00 50,00 20,00 - 100,0 0,00
B 250 200,00 50,00 30,00 900,0 0,00
C 295 230,00 65,00 31,50 1.222,5 11,25
D 400 300,00 100,00 35,00 2.150,0 125,00
E 600 433,33 167,67 41,67 4.594,4 680,56
Tabela 6.15: Resultados com contratos bilaterais.
No caso A do exemplo 6.8, como o custo marginal do sis-

tema é $ 20/MWh, a unidade 2 está ganhando dinheiro com o
contrato bilateral, vendendo sua quantidade contratada de 50
MW a $ 31,5/MWh, comparado com o que lucraria se vendesse
sua energia ao preço do custo marginal. Por outro lado, a carga
perde dinheiro nesse contrato porque está recebendo energia a
um valor mais alto do que pagaria caso comprasse ao preço do
custo marginal do sistema. Essa situação é revertida, no caso E
do exemplo 6.8; o gerador 2 perde dinheiro por vender energia
a um preço menor que o custo marginal do sistema, e a carga
406
vai ganhar porque está comprando energia a um custo menor

que o custo marginal do sistema. No caso C do exemplo 6.8, o
contrato bilateral não tem importância porque o custo marginal
do sistema é igual ao custo contratado.
Exemplo 6.9
Considera-se os mesmos dados do exemplo 6.1 sem consi-
derar as perdas nem os limites de capacidade de transmissão, po-
rém considerando os limites de geração. São analisadas diferen-
tes combinações de unidades ligadas e desligadas, isto é, (1.0),
(0.1) e (1.1), obtendo os resultados apresentados na tabela 6.16.
λ ($/
Caso PD (MW) PG1 (MW) PG2 (MW) C ($/h)
MWh)
(1.0) 40 40,00 0,00 22,00 940,0
(0.1) 40 0,00 40,00 29,00 1.280,0
(1.1) 40 40,00 0,00 22,00 1.140,0
(1.0) 250 250,00 0,00 32,50 6.662,5
(0.1) 250 0,00 250,00 50,00 9.575,0
(1.1) 250 200,00 50,00 30,00 6.675,0
(1.0) 300 300,00 0,00 35,00 8.350,0
(0.1) 300 0,00 300,00 55,00 12.200,0
(1.1) 300 233,33 66,67 31,67 8.216,7
Tabela 6.16: Resultados para o exemplo 6.9.
Observa-se que:
Para demanda baixa, o DE com a unidade 2 em funciona-
mento tem um custo maior do que o DE com somente a unida-
de 1 funcionando. Se a unidade 2 entra em operação, sua pro-
dução é zero porque seu custo marginal ($ 22/MWh) é inferior
ao custo incremental da unidade 2 ($ 25/MWh). A programação
ótima é, portanto, (1.0).
407
Para uma demanda de 250 MW, a programação ótima se

mantém em (1.0) com um custo de produção de $6.662,5/h, um
pouco menor que o custo de programação (1.1) de $6.675/h.
Para uma demanda de 300 MW, a programação ótima é (1.1).
O número de combinações a ser considerado por nível de
demanda é 2n (sendo n o número de unidades geradoras), uma
quantidade que cresce exponencialmente e que chega a valores
muito altos para problemas da vida real. Por exemplo, com 24
níveis de demanda e 100 unidades geradoras, o número de com-
binações é de 2100 x 24. Mesmo assim, esses problemas são
resolvidos pelas empresas.
Exemplo 6.10
Este exemplo considera as unidades do exemplo 6.1 incluin-
do uma unidade adicional. A reserva imposta PRt, deve ser igual
ou maior que 20% da demanda. Adicionalmente, os dados des-
sas unidades geradoras são apresentados nas tabelas 6.17 e 6.18.
Unidade C0 ($/h) a ($/MWh) b ($/(MW)2h) PGmín PGmín

(MW) (MW)
1 100 20 0,05 0 400
2 200 25 0,10 0 300
3 300 40 0,20 0 250
Tabela 6.17: Dados adicionais das unidades geradoras para o exemplo 6.10.
Limite de Limite de Po- Estado

Custo de
Rampa Rampa de tência inicial
Unidade Partida
de Subida Descida inicial (Ligado/
($/h)
($/MWh) ($/MWh) (MW) Desligado)
1 300 160 160 0 Desligado
2 400 150 150 0 Desligado
408
Limite de Limite de Po- Estado

Custo de
Rampa Rampa de tência inicial
Unidade Partida
de Subida Descida inicial (Ligado/
($/h)
($/MWh) ($/MWh) (MW) Desligado)
3 500 100 100 0 Desligado
Tabela 6.18: Dados adicionais das unidades geradoras para o exemplo 6.10.
As soluções para os distintos casos do problema de PD são

apresentados nas tabelas 6.19 a 6.22.
PDtotal
Período PG1 (MW) PG2 (MW) PG3 (MW) Custo ($)
(MW)
1 40 40,0 0,0 0 940,0
2 250 250,0 0,0 0 6.662,5
3 300 233,3 66,7 0 8.216,7
4 600 400,0 200 0 19.300,0
Total 1.190 923,3 266,7 0 35.119,2
Tabela 6.19: Caso A, exemplo 6.10. UC sem incluir os custos de partida e os limites de
rampa.
PDtotal
(MW)
1 40 40,0 0,0 0 1.240,0
2 250 250,0 0,0 0 6.662,5
3 300 233,3 66,7 0 8.616,7
4 600 400,0 200 0 19.300,0
Total 1.190 923,3 266,7 0 35.819,2
Tabela 6.20: Caso B, exemplo 6.10. UC incluindo os custos de partida mas sem os limites
de rampa.
409
PDtotal
(MW)
1 40 40,0 0,0 0 1.240,0
2 250 200,0 50,0 0 7.075,0
3 300 240,0 60,0 0 8.220,0
4 600 400,0 200,0 0 19.300,0
Total 1.190 880,0 310,0 0 35.835,0
Tabela 6.21: Caso C, exemplo 6.10. UC incluindo os custos de partida e os limites de rampa.
PDtotal
(MW)
1 40 40,0 0,0 0 1.240,0
2 250 200,0 50,0 0 7.075,0
3 300 240,0 60, 0 8.220,0
4 600 400,0 183,3 16,7 20.058,3
Total 1.190 880,0 293,3 16,7 36.593,3
Tabela 6.22: Caso D, exemplo 6.10. UC incluindo os custos de partida, os limites de rampa
e as restrições de reserva.
Observando-se que:
Se nenhum limite de partida ou de rampa for considerado
(caso A do exemplo 6.10), a solução obtida é similar à solução do
exemplo 6.9 (sequência de estática).
Incluir os custos de partida (caso B do exemplo 6.10) resul-
ta em um custo total superior, mas sem mudanças nos níveis dos
geradores. O incremento dos custos, durante os períodos 1 e 3, é
devido à partida de algumas unidades nesses períodos.
Incluir os limites de rampa (caso C do exemplo 6.10) leva a
mudanças nos níveis de geração das unidades 1 e 2, assim como
a um custo total superior.
Incluir as restrições de reserva (caso D do exemplo 6.10)
resulta em custos superiores e em mudanças na programação
410
das unidades. Observa-se que, neste caso, a unidade 3 está pro-

gramada para funcionar durante um período de 4 horas para
efeitos de reserva.
Exemplo 6.11
Consideram-se três unidades geradoras e duas demandas.
Cada unidade oferece três blocos, enquanto cada demanda ofer-
ta quatro blocos. As características técnicas das unidades gera-
doras são apresentadas na tabela 6.23.
Dados da Unidade Unidade 1 Unidade 2 Unidade 3

Capacidade (MW) 30 25 25
Mínimo de potência gerada
5 8 10
(MW)
Limite de rampa de subida/
5 10 10
descida
Estado inicial (ligada/
Ligada Ligada Ligada
desligada)
Potência inicial gerada (MW) 10 15 10
Tabela 6.23: Características técnicas das unidades geradoras.
As ofertas dos geradores e os lances das demandas estão

nas tabelas 6.24 e 6.25.
Oferta Unidade 1 Unidade 2 Unidade 3

Bloco 1 2 3 1 2 3 1 2 3
Potência (MW) 5 12 13 8 8 9 10 10 5
Preço ($/MWh) 1 3 3,5 4,5 5 6 8 9 10
Tabela 6.24: Ofertas dos geradores.
Lance Demanda 1 Demanda 2

Bloco 1 2 3 4 1 2 3 4
411
Lance Demanda 1 Demanda 2

Potência (MW) 8 5 5 3 7 4 4 3
Preço ($/MWh) 2 15 7 4 18 16 11 3
Tabela 6.25: Lances das demandas.
A solução das diferentes instâncias do leilão monoperíodo

é apresentada nas tabelas 6.26, 6.27 e 6.28.
Ofertas aceitas (MW) Lances Aceitos (MW)

Bloco 1 2 3 Total Bloco 1 2 3 4 Total
Deman-
Unidade 1 5 12 13 30 8 5 5 0 18
da 1
Deman-
Unidade 2 3 0 0 3 7 4 4 0 15
da 2
Unidade 3 0 0 0 0
Total - - - 33 Total - - - - 33
Benefício comum $ 404
Preço de compensação de
$4,5/MWh
mercado
Tabela 6.26: Caso A, exemplo 6.11. Sem limites de rampa e sem mínimo de potência gerada.

Deman-
Unidade 1 5 10 0 15 8 5 5 0 18
da 1
Deman-
Unidade 2 8 8 2 18 7 4 4 0 15
da 2
Unidade 3 0 0 0 0
Total - - - 33 Total - - - - 33
Benefício comum $ 381
$6/MWh
mercado
Tabela 6.27: Caso B, exemplo 6.11. Com limites de rampa e sem mínimo de potência gerada.
412

Deman-
Unidade 1 5 12 13 30 8 5 2 0 15
da 1
Deman-
Unidade 2 0 0 0 0 7 4 4 0 15
da 2
Unidade 3 0 0 0 0
Total - - - 30 Total - - - - 30
Benefício comum $ 396,5
$ 7,0/MWh
mercado
Tabela 6.28: Caso C, exemplo 6.11. Sem limites de rampa e com mínimo de potência gerada.
As figuras 6.4, item a) e 6.4, item b) ilustram os casos B e

C do exemplo 6.11, respectivamente. O caso A do exemplo 6.11
é ilustrado na figura 6.4, item a). as linhas finas representam o
caso sem restrições (limites de rampa ou de mínima potência
gerada), enquanto as linhas grossas representam os casos com
restrições (limites de rampa, figura 6.4 , item a), ou potência
mínima gerada, figura 6.4, item b).
Figura 6.4: Leilão monoperíodo (exemplo 6.11): a) Com limites de rampa e sem mínimo de
potência gerada; b) Com mínimo de potência gerada mas sem limites de rampa.
Os limites de rampa levam a um incremento do preço na

curva agregada de ofertas (Figura 6.4, item a). Por outro lado,
413
impor um mínimo na potência gerada leva a uma solução à es-

querda, onde as curvas das ofertas e dos lances se cruzam.
Observa-se que:
O custo marginal de compensação para o caso A do exem-
plo 6.11 corresponde ao bloco gerador com o custo mais alto
que foi aceito ($ 4,5/MWh).
As restrições de rampa (caso B do exemplo 6.11) limitam os
níveis de produção da unidade de menor custo, o que resulta em
um benefício comum menor ($ 381 contra $ 404). O preço mar-
ginal de compensação se incrementa ($ 6 contra $ 4,5/MWh).
As potências mínimas geradas (caso C do exemplo 6.11) fa-
zem com que a unidade 2 não seja programada no mercado, o
que resulta em uma redução na demanda fornecida (30 contra 33
MWh), um benefício comum menor ($ 396,5 contra $ 404), e um
preço marginal de compensação maior ($ 7,0 contra $4,5/MWh).
O leilão monoperíodo é formalmente igual ao DE com de-
manda elástica analisado na primeira parte deste capítulo.
Se os lances das demandas são modificados como indicado
na tabela 6.29, o preço marginal resultante no caso sem conside-
rar os limites de rampa e sem impor os limites mínimos de po-
tência gerada é $ 4,0/MWh, enquanto o benefício comum chega
a $ 345,5. Nota-se que o cruzamento dos blocos de geração e de
demanda (um bloco de demanda está no extremo) é o oposto do
cruzamento do caso A do exemplo 6.11 (um bloco de geração
está no extremo). A figura 6.5 ilustra o caso A do exemplo 6.11,
item a) e o cruzamento oposto (figura 6.5, item b)
Lances Demanda 1 Demanda 2

Bloco 1 2 3 4 1 2 3 4
Potência (MW) 6 5 5 3 5 4 4 3
Preço ($/MWh) 20 15 7 4 18 16 11 3
Tabela 6.29: Lances de demandas.
414
Figura 6.5: Leilão monoperíodo sem incluir restrições (exemplo 6.11): a) Um bloco de gera-
ção no extremo, b) Um bloco de demanda no extremo.
Exemplo 6.12
Consideram-se três unidades geradoras, duas demandas
e um horizonte de mercado de 2 horas. Os mesmos dados do
exemplo 6.11 são utilizados neste exemplo. As unidades gerado-
ras oferecem energia da mesma forma, em ambos os períodos,
enquanto as demandas fazem um lance no primeiro período,
igual no exemplo 6.11, e no segundo período, como indicado na
tabela 6.30:
Lances Demanda 1 Demanda 2

Bloco 1 2 3 4 1 2 3 4
Potência (MW) 17 14 8 5 13 11 4 2
Preço ($/MWh) 20 15 7 4 18 16 11 3
Tabela 6.30: Lances de demandas.
As soluções para os distintos dados do leilão multiperíodo

encontram-se nas tabelas 6.31 a 6.39.
1 - Sem limites de rampa e sem mínimos de potência gera-
da, caso A do exemplo 6.12.
O excedente do consumidor é a diferença entre o que os
consumidores estão dispostos a pagar e o que eles realmente
415
pagam. Da mesma forma, o excedente do produtor é a diferença

entre o que os produtores recebem e o que estão dispostos a
receber. O benefício comum é igual à soma dos excedentes do
produtor e do consumidor.
Ofertas Aceitas (MW)

Hora 1 2
Bloco 1 2 3 4 Total 1 2 3 4 Total
Unidade 1 5 12 13 - 30 5 12 13 - 30
Unidade 2 3 0 0 - 3 8 8 9 - 25
Unidade 3 0 0 0 - 0 4 0 0 - 4
Total - - - - 33 - - - - 59
Tabela 6.31: Ofertas aceitas.
Lances Aceitos (MW)

Hora 1 2
Demanda 1 8 5 5 0 18 17 14 0 0 31
Demanda 2 7 4 4 0 15 13 11 4 0 28
Total - - - - 33 - - - - 59
Tabela 6.32: Lances aceitos.
Preços, Receitas, Pagamentos e Benefício Comum

Hora 1 2 Total
Preço ($/MWh) 4,5 8,0 -
Receita unidade 1 ($) 135 240 375
Receita unidade 2 ($) 13,5 200 213,5
Receita total ($) 148,5 472 620,5
Pagamento demanda 1($) 81 248 329
416

Pagamento demanda 2 ($) 67,5 224 291,5
Pagamento total ($) 148,8 472 620,5
Benefício comum ($) 1.159,5
Excedente do produtor ($) 272,0
Excedente do consumidor ($) 887,5
Tabela 6.33: Preços, receitas, pagamentos e benefício comum.
2 - Com limites de rampa mas sem potências mínimas im-

postas, caso B do exemplo 6.12.

Hora 1 2
Unidade 1 5 10 0 - 15 5 12 3 - 20
Unidade 2 8 8 2 - 18 8 8 9 - 25
Unidade 3 0 0 0 - 0 10 0 0 - 10
Total - - - - 33 - - - - 55
Lances Aceitos (MW)

Hora 1 2
Demanda 1 8 5 5 0 18 17 14 0 0 31
Demanda 2 7 4 4 0 15 13 11 0 0 24
Total - - - - 33 - - - - 55

Hora 1 2 Total
Preço ($/MWh) 6,0 11,0 -
417

Receita total ($) 198 605 803
Pagamento demanda 2 ($) 90 264 354
Pagamento total ($) 198 605 803
Excedente do consumidor ($) 661,0
3 - Com limites de potência, mas sem limites de rampas,

caso C do exemplo 6.12.

Hora 1 2
Unidade 1 5 12 13 - 30 5 12 13 - 30
Unidade 2 0 0 0 - 0 8 8 9 - 25
Unidade 3 0 0 0 - 0 0 0 0 - 0
Total - - - - 30 - - - - 55
Lances Aceitos (MW)

Hora 1 2
Demanda 1 8 5 2 0 15 17 14 0 0 31
Demanda 2 7 4 4 0 15 13 11 0 0 24
Total - - - - 30 - - - - 55
418

Hora 1 2 Total
Preço ($/MWh) 7,0 11,0 -
Benefício comum ($) 1.140
Excedente do produtor ($) 512
Excedente do consumidor ($) 628
4 - Com limites de potência mínima e limites de rampa,

caso D do exemplo 6.12. Este caso é igual ao caso B do
exemplo 6.12.
As figuras 6.6, item a) e item b) ilustram o caso B do exem-
plo 6.12 ou o caso D do exemplo 6.12. a figura 6.6, item a) apre-
senta os resultados da hora 1, enquanto a figura 6.6, item b)
apresenta os resultados da hora 2. Na figura 6.6, item a) o cresci-
mento na curva de oferta é claramente observado, enquanto na
figura 6.6, item b) a solução é obtida à esquerda do cruzamento
entre as curvas de ofertas e as curvas de lances.
419
Figura 6.6: Leilão multiperíodo (exemplo 6.12). Com limites de potência mínima e limites
de rampa: a) Hora 1 e b) Hora 2.
Como no caso do monoperíodo (exemplo 6.11), as restri-
ções de operação (rampa e níveis mínimos de potência gerada)
sempre resultam em um benefício comum menor, e eventual-
mente, em uma menor carga suprida. Os preços ficam estáveis
ou aumentam. As restrições de operação refletem as limitações
físicas da operação.
Impor unicamente os limites de rampa (caso B do exemplo
6.12) resulta em uma produção menor da unidade 1 no período
1 (compensado por uma produção maior na unidade 2) e uma
redução da demanda fornecida no período 2. O preço aumenta
em ambos os períodos.
Impor unicamente potências mínimas geradas (caso C do
exemplo 6.12) resulta em fornecer uma demanda menor e um
preço superior em ambos os períodos. A unidade 2 não está
programada no mercado para o período 1, e a unidade 3 não
está programada para o período 2.
Impor as potências mínimas e os limites de rampa (caso D
do exemplo 6.12) resulta em um padrão de produção igual ao
caso quando somente os limites de rampa foram impostos (caso
B do exemplo 6.12).
420
Exemplo 6.13
Consideram-se os dados de geração e demanda do exemplo
6.12. Adicionalmente, a rede ilustrada na figura 6.7 é utilizada.
Os dados desta rede encontram-se na tabela 6.40. As resistências
e susceptâncias em derivação são desprezadas.
Figura 6.7: Rede para o leilão multiperíodo com restrições de rede (exemplo 6.13).
Barra inicial Barra final Reatância (pu) Capacidade (MW)

1 2 0,1 9
1 3 0,1 9
2 3 0,1 9
Tabela 6.40: Dados da rede da figura 6.7.
As tabelas 6.41 a 6.44 apresentam os resultados deste lei-

lão multiperíodo com restrições de rede. No primeiro caso, ne-
nhum dos limites de potência mínima gerada ou de rampa são
impostos. No segundo caso, ambas as restrições são impostas.
1 - Caso A do exemplo 6.13. Os limites de capacidade das
linhas de transmissão são considerados, mas a potência
mínima gerada e os limites de rampa não são conside-
421
rados. A linha 1 – 3 está congestionada durante a hora

1, enquanto as linhas 1 – 2 e 1 – 3 estão congestionadas
na hora 2.

Hora 1 2
Unidade 1 5 9,5 0 - 14,5 5 12 1 - 18
Unidade 2 8 8 0 - 16 8 8 9 - 25
Unidade 3 2,5 0 0 - 2,5 10 9 0 - 19
Total - - - - 33 - - - - 62
Lances Aceitos (MW)
Hora 1 2
Demanda 1 8 5 5 0 18 17 14 3 0 34
Demanda 2 7 4 4 0 15 13 11 4 0 28
Total - - - - 33 - - - - 62
Tabela 6.41: Ofertas e lances aceitos.

Hora 1 2 Total
Barra # 1 2 3 1 2 3 -
Preço ($/MWh) 3,0 5,5 8,0 3,5 7,0 9,0 -
Receita unidade 1 ($) 43,5 63 106,5
Receita total ($) 151,5 409 506,5
Benefício comum ($) 1.064
422

Excedente do consumidor
820,0
($)
Excedente de merchandi-
148,5
sing ($)
Como os preços nodais mudam na rede, o que os consu-

midores pagam e os produtores recebem não é o mesmo; a di-
ferença é o chamado excedente de merchandising. O benefício
comum é então a soma dos excedentes do consumidor, do pro-
dutor e do merchandising.
2 - Caso D do exemplo 6.13. Potências mínimas de gera-
ção, limites de rampa e limites de capacidade de trans-
missão das linhas são considerados. Durante ambas as
horas, a linha 1 – 3 está congestionada.

Hora 1 2
Unidade 1 5 7 0 - 12 5 11,5 0 - 16,5
Unidade 2 8 8 5 - 21 8 8 9 - 25
Unidade 3 0 0 0 - 0 10 0 0 - 10
Total - - - - 33 - - - - 51,5
Lances Aceitos (MW)
Hora 1 2
Demanda 1 8 5 5 0 18 17 14 0 0 31
Demanda 2 7 4 4 0 15 13 7,5 0 0 20,5
Total - - - - 33 - - - - 51,5
Tabela 6.43: Ofertas e lances aceitos.
423

Hora 1 2 Total
Barra # 1 2 3 1 2 3 -
Preço ($/MWh) 3,0 6,0 9,0 3,0 9,5 16,0 -
Receita unidade 1 ($) 36 49,5 85,5
Receita unidade 2 ($) 126 237,5 363,5
Pagamento demanda
108 294,5 402,5
1($)
Pagamento demanda
135 328 463
2 ($)
Pagamento total ($) 243 622,5 865,5
Excedente do produ-
227,5
tor ($)
Excedente do consu-
542,5
midor ($)
Excedente de mer-
256,5
chandising ($)
Considerando-se unicamente os limites na capacidade das

linhas de transmissão (caso A do exemplo 6.13), resulta em mu-
danças significativas no padrão de produção, se esses limites es-
tão ativos. A unidade com preço maior 3, produz mais do que o
esperado, em função de a unidade 1 não poder gerar o desejado,
devido aos limites na rede. Os preços variam nas barras e o be-
nefício comum diminui consideravelmente.
424
Considerando-se os limites de capacidade das linhas de

transmissão, as potências mínimas geradas e os limites de ram-
pa (caso D do exemplo 6.13) resulta numa redução da deman-
da atendida no período 2. O benefício comum então decresce,
comparado com os seus níveis no caso A do exemplo 6.13. Da
mesma forma, os preços nas barras variam de barra para barra,
e o preço das diferenças aumenta significativamente.
O excedente do produtor é maior no caso D do exemplo
6.13 (isto é, superior ao caso A do exemplo 6.13). Esses resul-
tados indicam que, quanto maior for o número de restrições,
maior será o excedente dos produtores, e menor será o exceden-
te dos consumidores. A mesma tendência é observada para o
excedente de merchandising, enquanto o excedente do consu-
midor tem uma tendência contrária.
A figura 6.8, itens a) e b), ilustra o caso A do exemplo 6.13.
Observa-se que, em ambas as horas (figura 6.8, itens a) e b)), a
solução acontece à direita do cruzamento das curvas de forneci-
mento e de demanda. Isso implica que na solução ótima é pos-
sível obter um bloco com benefício comum negativo. Os preços
nodais não são apresentados nestes gráficos, pois eles variam em
todas as barras.
Figura 6.8: Leilão multiperíodo com restrições de rede (exemplo 6.13): a) Hora 1 e b) Hora 2.
425
Exemplo 6.14
Considera-se uma unidade geradora caracterizada pelos da-
dos da tabela 6.45.
Capacidade/mínima potência gerada (MW) 13 2

Limites de rampas de subida/descida (MW/h) 5 5
Limites de rampa de partida/parada (MWh) 4 4
Custos lineares ($/MWh) 2
Estado inicial desligada
Tabela 6.45: Dados da unidade geradora do exemplo 6.14.
O horizonte da programação compreende 6 horas, e as pre-

visões dos preços marginais de compensação se encontram na
tabela 6.46.
Hora 1 2 3 4 5 6
Previsão de preço ($/MWh) 2 4 6 2 2 1
Tabela 6.46: Horizonte de programação e previsão de preço do exemplo 6.14.
A solução do problema da programação própria é dada na

tabela 6.47.
Produção, Receita, Custos e Lucros

Hora 1 2 3 4 5 6 Total
Previsão de preço ($/MWh) 2 4 6 2 2 1 -
Produção por hora (MWh) 4 9 13 8 4 0 38
Receita ($) 8 36 78 16 8 0 146
Custo ($) 8 18 26 16 8 0 76
Lucro ($) 0 18 52 0 0 0 70
Tabela 6.47: Produção, custos e lucros.
Observa-se que:
426
A unidade tem sua partida no período 1; portanto, a restri-

ção de rampa de partida está ativa durante esse período. A res-
trição de rampa de subida está ativa no período 2, a restrição de
rampa de descida está ativa no período 4, e a restrição de rampa
de parada está ativa no período 5. A unidade gera sua máxima
potência durante o período 3 (período com o custo maior), e
está desligada no período 6.
Apesar de não obter lucros nas horas 1, 4 e 5, a unidade ge-
radora não é desligada durante essas horas, devido às restrições
de rampa.
A figura 6.9 ilustra a programação própria de um produtor
sem poder de mercado. A figura 6.9, item a) apresenta os preços
e produções ótimas, enquanto a figura 6.9, item b) apresenta os
rendimentos, custos e lucros, assim como também os preços.
Figura 6.9: Programação própria ótima do produtor sem poder de mercado: a) Produção e
preços e b) Rendimentos, custos, lucros e preços.
Exemplo 6.15
O horizonte considerado compreende 6 horas. O preço de
compensação de mercado previsto encontra-se na tabela 6.48:
Hora 1 2 3 4 5 6
Tabela 6.48: Horizonte de programação e previsão de preço do exemplo 6.15.
427
O produtor hidrelétrico gerencia um sistema em um rio que

inclui dois reservatórios em cascada, cada um com uma unidade
geradora. Os dados das unidades encontram-se na tabela 6.49.
Unidade 1 a Unidade 2 a
Reservatório
montante jusante
Volume inicial (Hm3) 2 3
Volume máximo (Hm ) 3
10 10
Volume mínimo (Hm3) 2 2
Fluxo de água horário (Hm3) 2 1
Vazão máxima (Hm ) 3
4 4
Fator de conversão de energia
4 3
(MWh/Hm3)
Tabela 6.49: Dados do sistema hidrelétrico.
A solução para este problema é apresentada a seguir. A pro-

dução ótima de cada unidade é dada na tabela 6.50.
Produção Ótima (MWh)
Unidade hidrelétrica 1 0 8 16 8 0 16 48
Total 3 20 28 20 3 28 102
Tabela 6.50: Produção ótima para o exemplo 6.15.
Os níveis de reservatórios são
Níveis dos Reservatórios (Hm 3)

Hora 1 2 3 4 5 6
Reservatório 1 4 4 2 2 4 2
Reservatório 2 3 2 3 2 2 3
Total 7 6 5 4 6 5
Tabela 6.51: Níveis dos reservatórios do exemplo 6.15.
428
As receitas são:
Receitas ($)
Total 9 80 168 80 3 56 396
Tabela 6.52: Receitas do exemplo 6.15.
Observa-se que:
As unidades não funcionam na sua máxima potência du-
rante todos os períodos, devido às restrições impostas pela va-
zão do rio. A unidade 1 funciona com potência máxima, durante
os períodos 3 e 6, enquanto a unidade 2 funciona com potência
máxima durante os períodos 2 - 4 e 6.
A unidade 1 não funciona durante os períodos 1 e 5, de tal
forma que a água é armazenada para ser turbinada depois, em
outro período com um preço mais alto.
O nível do reservatório permanece perto do seu respectivo
limite inferior. O reservatório 1 está no seu nível mínimo duran-
te o último período, mas o reservatório 2 não.
Exemplo 6.16
As funções de preço esperado ($/MWh) para as seis horas
do período de estudo do produtor com poder de mercado são:
1 1
λ1 = 3 − PG1, λ 2 = 5 − PG2
10 10
1 1
λ 3 = 5 − PG3, λ 4 = 5 − PG4
4 10
1 1
λ 5 = 5 − PG5, λ 6 = 4 − PG6
8 10
429
Os dados das unidades de geração são apresentados na

tabela 6.53. Por simplicidade, não se consideram os limites de
rampa, nem os limites de potência mínima gerada.
Dado Unidade 1 Unidade

Capacidade (MW) 8 10
Potência mínima de saída (MW) 0 0
Custo linear ($/MWh) 2 2,5
Tabela 6.53: Dados das unidades de geração.
A solução do problema está na tabela 6.54.
Produção, Preços, Receitas, Custos e lucros

Produção
da unidade 5 8 6 8 8 8 43
1 (MW)
Produção
da unidade 0 4,5 0 4,5 2 0 11
2 (MW)
Produção
Total 5 12,5 6 12,5 10 8 54
(MW)
Preço de
compen-
2,50 3,75 3,50 3,75 3,75 3,20 -
sação ($/
MWh)
Receita ($) 12,50 46,87 21,00 46,87 37,5 25,60 190,35
Custo ($) 10,00 27,25 12,00 27,25 21,00 16,00 113,50
Lucro ($) 2,50 19,62 9,00 19,62 16,50 9,60 76,85
Tabela 6.54: Produção, preços, receitas, custos e lucros do exemplo 6.16.
430
Observando-se que:
Para manter os preços altos, o produtor não trabalha com
sua capacidade máxima, maximizando assim o seu lucro. Isto é
mais evidente nos períodos 1 e 3.
No período 3, a produção é baixa para manter o preço alto,
mas o preço resultante é baixo devido à mudança rápida (em va-
lores absolutos) da inclinação da função de preço nesse período.
Como a inclinação da função de preço durante o período
1 é relativamente pequena (em valores absolutos), o preço resul-
tante é baixo devido à baixa interceptação durante esse período.
Uma observação adicional é que o aumento em preços for-
çado pelo produtor com poder de mercado pode beneficiar mais
os produtores rivais que não tentam manipular os preços, do
que o produtor com poder de mercado, que manipula os preços.
Exemplo 6.17
O comercializador considerado é o proprietário de uma
unidade cogeradora com capacidade de 30 MW e uma potência
mínima de 10 MW, com custos de produção de $ 2/MWh. O
preço de venda para o cliente é de $ 4/MWh.
Um horizonte de mercado de 6 horas é considerado. As
previsões de preços e as demandas horárias encontram-se na
tabela 6.55.
Hora 1 2 3 4 5 6
Demanda (MW) 20 30 50 20 5 10
Tabela 6.55: Previsões de preços e demandas para o exemplo 6.17.
A solução obtida é
431
Cogeração, Compras, Receitas, Custos e lucros

To-
Hora 1 2 3 4 5 6
tal
Preço ($/MWh) 2 4 3 8 4 2 -
Cogeração (MWh) 0 30 30 0 30 0 90
Compras (MWh) 20 0 20 20 - 25 10 45
Demanda (MWh) 20 30 50 20 5 10 45
Receita ($) 80 120 200 80 20 40 540
Custos ($) 40 60 120 20 - 40 20 220
Lucro ($) 40 60 80 60 60 20 320
Tabela 6.56: Cogeração, compras, receitas, custos e lucros para o exemplo 6.17.
A cogeração acontece (na sua capacidade máxima) durante
os períodos 2, 3 e 5, quando os preços do mercado atacadista
são comparativamente altos.
Durante o período 2, a energia cogerada é usada completa-
mente para alimentar a demanda do comercializador, enquanto,
durante o período 3, a energia cogerada é utilizada, na sua totali-
dade, para alimentar uma parte da demanda do comercializador.
Durante o período 5, grande parte da energia cogerada é
vendida não somente no mercado atacadista (compras negativas)
25 de 30 MWh mas também é usada para alimentar a demanda
do comercializador, 5 MWh. Isso resulta em um lucro líquido
de $60 no período 5.
Durante os períodos 1, 4 e 6, a demanda a ser alimentada
pelo comercializador é comprada, na sua totalidade, no mercado
atacadista.
Neste exemplo em particular, não existem perdas em ne-
nhum período.
432
BIBLIOGRAFIA
Alsaç, O.; Bright, J.; Prais, M. e Stott, B. Further Devel-

opments in LP-Based Optimal Power Flow, IEEE Trans. on
Power Systems, PWRS-5 (3), 697-711, Agosto, 1990.
Arroyo, J. M. e Conejo, A. J. Multi-period Auction for a

Pool-based Electricity Market, IEEE Transactions on Power
Systems, 17(4), 2002, 1225-1231.
Arroyo, J. M. e Conejo, A. J. Optimal Response of a

Thermal Unit to an Electricity Spot Market, IEEE Transac-
tions on Power Systems, 15(3), 2000, 1098-1104.
Arroyo, J. M. e Conejo, A. J. Modeling of Start-up and

Shut-down Power Trajectories of Thermal Units, IEEE
Transactions on Power Systems, 19(3), 2004,1562-1568.
Bacher, R. e Tinney, W. F. Faster Local Power Flow Solu-

tions: The Zero Mismatch Approach, IEEE Trans. on Power
Systems, 4,1345-1354, Novembro, 1989.
Baran, M. E.; Banunarayanan V. e Garren, K. E. Equita-

ble Allocation of Congestion Relief Cost to Transactions,
IEEE Trans. on Power Systems, 15 (2), 579-585, Maio, 2000.
433
Baran, M. E.; Banunarayanan V. e Garren, K. E. A trans-

action Assessment Method for Allocation of Transmission
Services, IEEE Trans. on Power Systems, 14 (3), 920-929,
Agosto, 1999.
Bazarra, M. S.; Sherali, H. D. e Shetty, C. M. Nonlinear

Programming: Theory and Algorithms, Second Edition,
John Wiley & Sons, Inc., New York, 1993.
Bialek, J.; Ziemianek, S. e Abi-Samra, N. Tracking-based

Loss Allocation and Economic Dispathc, Proc. Of the 13th
PSCC, Trondheim, Norway, 375-381, Julho, 1999.
Brandwajn, V. e Lauby, M. G. Complete Bouding for AC

Contingency Analysis, IEEE Trans. on Power Systems, 4,
724-729, Maio, 1990.
Brooke, A; Kendrick, A; Meeraus A e Raman, R. GAMS:

A User’s Guide. Development Corporation, Washington, 2008
<http://www.gams.com>.
Carrión, M. e Arroyo, J. M. A Computationally Efficient

Mixed-integer Linear Formulation for the Thermal Unit
Commitment Problem, IEEE Transactions on Power Sys-
tems, 21(3), 2006, 1371-1378.
Castillo, E.; Conejo, A. J.; Mínguez, R. e Castillo, C. A.

Closed Formula For Local Sensitivity Analysis In Math-
434
ematical Programming, Engineering Optimization, 38(1),

2006,93-112.
Chao, H. e Hintington, H. G. Designing Competitive

Electricity Markets, Fred Hillier’s International Series in Op-
erations Research & Management Science, Kluwer Academic
Publishers, MA, 1998.
Conejo, A. J.; Arroyo, J. M., Contreras, J. e Villamor, F.

A. Self-scheduling of a Hydro Producer in a Pool-based
Eletricity Market, IEEE Transations on Power Systems, 17(4),
2002, 1265-1272.
Conejo, A. J.; Fernández-González, J. J. e Alguacil, N. En-

ergy Procurement for Large Consumers in Eletricity Mar-
kets, IEE Proceedings Generation, Transmission and Distribu-
ition, 152(3), 2005, 357-364.
Conejo, A. J. e Carrión, M. Risk-constrained Electricity

Procurement for a Large Consumer, IEE Proceedings Gen-
eration, Transmission and Distribuition, 153(4), 2006, 407-415.
Chao, H. P. e Peck, S. Market Mechanisms for Electric

Power Transmission, Journal of Regulatory Economics, 10,
25-60, Julho, 1996.
435
Christie, R. D.; Wollenberg, B. F. e Wangensteen, I. Trans-

mission Management in the Deregulated Environment,
Proceedings of the IEEE, 88 (2), 170-195, Fevereiro, 2000.
Conejo, A. J.; Galiana, F. D. e Kockar, I. Z-bus Loss Al-

location, IEEE Trans. on Power Systems, 16 (1), 105-110, Fe-
vereiro, 2001.
Dommel, H. W. e Tinney, W. F. Optimal Power Flow

Solutions, IEEE Trans. on Power Apparatus & Systems, PAS-
87 (10), 1866-1876, Outubro, 1968.
DyLiacco, T. E. Real-time Computer Controlo f Power

Systemas, Proceedings of the IEEE, 62,884-891, Julho, 1974.
Ejebe. G. C. e Wollemberg, B. F. Automatic Contingency

Selection, IEEE Trans. on Power Apparatus & Systems, 98, 92-
104. Janeiro/Fevereiro, 1979.
Frauendorfer, K.; Glavitsh, H. e Bacher, R. Optmization

in Planning and Operation of Electric Power Systems,
Physica-Verlag, Alemanha, Outubro, 1993.
Galiana. F. D. e Phelan, M. Allocation of Transmission

Losses to Bilateral Contracts in a Competitive Environ-
ment, IEEE Trans. on Power Systems, 15 (1), 143-150, Fe-
vereiro, 2000.
436
GAMS Development Corporation. GAMS – The Solv-

er Manuals, GAMS Development Corporation, Washington,
2008 <http://www.gams.com>
Gómez, A. Riquelme, J. González, T. e Ruiz, E. Fair Al-

location Transaction Power Losses, IEEE Trans. on Power
Systems, 15 (1), 184-188. Fevereiro, 2000.
Gómez-Expósito; Conejo. A. e Cañizres, C. Sistemas de

Energia Elétrica – Análise e Operação, LTC Editora, Rio de
Janeiro, 2015.
Gómez, A. Riquelme, J. e Martínez, J. L. Asignación de

Pérdidas em Mercados Eléctricos Competitivos, Energía,
15, 147-151, Maio-Junho, 2001.
Gómez, A.; Martínez, J. L.; Ruiz, J. L. e Cuéllar, Y. Sen-

sitivity-Based Reactive Power Control for Voltage Profile
Improvemente, IEEE Trans. on Power Systems, 8 (3), 937-945,
Agosto, 1993.
Hogan, W. W. Contract Networks for Electric Power

Transmission, Journal of Regulatory Economics, 4, 211-242,
1992.
Huneault, M. e Galiana, F. D. A Survey of the Optimal

Power Flow Literature, IEEE Trans. on Power Systems,
PWRS-6 (2), 762-770, Maio 1991.
437
Ilic, M. D.; Galiana, F. D. e Fink, L. H. Power System

Restructuring: Engineering and Economics, Kluwer Aca-
demic Publishers, Norwell, MA, 1998.
Kirchmayer, L. K. Economic Operation of Power Sys-

tems, John Wiley & Sons, Inc., New York, 1958.
Kirschen, D. S. e Strbac, G. Fundamentals of Power Sys-

tems Economics, John Wiley & Sons, Ltd., Chichester, 2004.
Martínez, J. L.; Gómez, A.; Cortés, J.; Méndez, E. e Cuél-

lar, Y. A Hydrid Tool to Assist the Operator in Reactive
Power/Voltage Control and Optmization, IEEE Trans. on
Power Systems, 70, 760-768, Maio, 1995.
Mas-Colell, A.; Whinston, M. D. e Green, J. R. Microeco-

nomic Theory, Oxford University Press, New York, 1995.
MathWorks, Inc. Matlab R2016b, Natick, MA, 2017.

<https://www.mathworks.com/products/matlab.html>.
Motto, A. L.; Galiana, F. D.; Conejo, A. J. e Arroyo, J. M.

Network-consttrained Multiperiod Auction For a Pool-
Base Electricity Market, IEEE Transactions on Power Sys-
tems, 17(3) 2002, 646-653.
438
Peschon, J.; Piercy, D. S.; Tinney, W. F.; Tveit, O. J. e

Cuénod, M. Optimum Control of Reactive Power Flow,
IEEE Trans. on Power Apparatus & Systems, PAS-87 (1), 40-
48, Janeiro, 1968.
Plazas, M. A.; Conejo, A. J. e Prieto, F. J. Multi-market

Optimal Bidding for a Power Produce. IEEE Transations
on Power System, 20(4), 2002, 2041-2050.
Quintana, V. H. e Santos-Nieto, M. Reactive Power Dis-

patch by Sucessive Quadratic Programming, IEEE Trans.
on Power Systems, PWRS-4 (3), 425-435, Setembro, 1989.
Ren, Y. e Galiana, F. D. Pay-as-bid Versus Marginal

pricing – Part I: Strategic Generator Offers, IEEE Transac-
tions on Power Systems, 19(4) 2004, 1771-1776.
Ren, Y. e Galiana, F. D. Pay-as-bid Versus Marginal

pricing – Part II: Market Behavior Under Strategic Gener-
ator Offers, IEEE Transactions on Power Systems, 19(4) 2004,
1777-1783.
Rivier, M. e Perez-Arriaga, I. Computation and De-

composition of Spot Prices for Transmission Pricing, Pro-
ceedings of the 11th Power Systems Computation Conference
(PSCC), Avignon, Fraça, Agosto, 1993.
439
Sakis Meliopoulos, A. P.; Cheng, C. S. e Xia, F. Perfor-

mance Evaluation of Static Security Analysis Methods,
IEEE Trans. on Power Systems, 9, 1441-1449, Agosto, 1994.
Shahidehour, M e Li, Z. Electricity Market Economics,

John Wiley & Sons, Inc., New York, 2005.
Sheblé, G. B. Computational Auction Mechnisms for

Restructured Power Industry Operation, Kluwer Academic
Publishers, Boston, MA, 1999.
Simões. A. C. Operação de Sistemas de Energia Elétri-

ca, Notas de Aula, UFSC, 1999.
Sun, D. I.; Ashley, B.; Brewer, B. Hughes, A. e Tinney, W.

F. Optimal Power Flow by Newton Approach, IEEE Trans.
on Power Apparatus & Systems, PAS-103 (10), 2864-2880, 1984.
Tinney, W. F.; Bright, J. M.; Demaree, K. D. e Hughes, B.

A. Some deficiencies in Optimal Flow, IEEE Trans. on Pow-
er Systems, 3 (2), 676-683, Maio, 1988.
Vargas, L. S.; Quintana, V. H.; e Vanelli, A. A tutorial De-

scription of an Interior Point Method and its Application to
Security-Constrained Economic Dispathc, IEEE Trans. on
Power Systems, 8 (3), 1315-1323, Agosto, 1993.
440
Schweppe, F. C.; Caramanis, M.; Tabors, R. e Bohn, R.

Spot Pricing of Electricity, Kluver Academic Publishers, Bos-
ton, 1988.
Singh, H.; Hao, S. e Papalexopoulos, A. Transmission

Congestion Management in Competitive Electricity Mar-
kets, IEEE Trans. on Power Systems, 13 (2), 672-680, Maio,
1998.
Wu, F. F. e Varaiya, P. Coordinated Multilateral Trades

for Electric Power Networks, Theory and Implementation,
Power Report, PWP-031, University of California Energy Insti-
tute, Junho, 1995.
441
442

Despacho Economico de Energia

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Despacho Economico de Energia

Enviado por

Direitos autorais:

Formatos disponíveis

DESPACHO

RAFAELA FILOMENA ALVES GUIMARÃES

Professora responsável Capa e projeto gráfico

Coordenação de projetos Coordenação de revisão

G963d Guimarães, Rafaela Filomena Alves.

Catalogação elaborada por Glaucy dos Santos Silva - CRB8/6353

Este capítulo abordará o problema do despacho econômico de

Modelagem do problema em barra única

Figura 1.1: Representação de N unidades térmicas conectadas a uma única barra.

Seja Fi (Pi) a função custo da i-ésima unidade geradora,

Observa-se que a função custo (equação 1.2) FT é separá-

Despacho econômico de um sistema compos-

Caso 1: Nenhum limite de geração é atingido

Caso 2: P1 está no limite superior (P1 = P1)

Caso 3: P1 está em seu limite inferior (P1 = P1)

Caso 4: Ambos os geradores estão em (algum de)

Generalização para o caso de N unidades ge-

Figura 1.5: Condições de otimalidade para várias unidades geradoras.

Interpretação do multiplicador de Lagrange

Considera-se novamente o problema de despacho de N

L = F T (P) + λ (PL - e TP) (1.20)

e as condições de otimalidade (KKT) são:

Considera-se uma variação de carga de PL para PL + ΔPL .

extrapolar os resultados da solução mais recente, a qual define

Figura 1.6: Relação entre Δλ e ΔP:

ou, usando a equação (1.31):

Despacho econômico com funções-custo

• Considerando todas as unidades que estão em serviço,

MÉTODOS COMPUTACIONAIS PARA O

Algoritmo 1: Método da Secante

Se k = 1, sugerir outro valor para λ, λ(2), e retornar ao pas-

e retornar ao passo 2. Por outro lado, se |ξ| ≤ δ a conver-

Método do gradiente reduzido

L = ∑ Fi (Pi ) + λ (PL - ∑Pi ) (1.37)

Porém, se for calculado Pj a partir das variáveis de controle

FT = ∑ i≠j Fi (Pi ) + Fj (P1, ... , Pj-1, Pj+1, ... , PN ) (1.39)

Algoritmo 2: Método do gradiente reduzido

Retornar ao passo 2 e iterar até que L não mais se reduza.

que devem ser adicionadas a L , mas apenas quando hou-

Solução pelo método primal/dual de pontos

dade pois estabelece e resolve iterativamente as condições de

Pi + Si =- Pi i = 1, ... , N (1.43)

L = FP P + S − Plim = 0 (1.47)

e as condições de folga complementar:

O método primal-dual de pontos interiores (MPDPI) re-

se utilizando o resultado do problema anterior como condição

Solução do problema relaxado

isto é, que o ponto de partida para esta iteração é interior

no ponto k. Calculando a Hessiana de L , este sistema torna-se:

Matricialmente, as equações (1.60) são escritas como:

atualização das variáveis

As diversas etapas do MPDPI discutidas podem ser orga-

Algoritmo 3: solução do problema de despacho econômico

Despacho econômico considerando as perdas

Figura 1.10: Duas maneiras distintas de se considerar as perdas de transmissão: a) Represen-

Uma forma aproximada de se investigar o efeito das per-

Equações de coordenação, perdas incremen-

carga total mais perdas de transmissão. Se FT representa os cus-

L = F T + λ Φ (P1 , ..., PN ) (1.68)

e, supondo que Pi ≤ Pi ≤ Pi, as condições de otimalidade

L = 0, i = 1, ..., N (1.69)

L = Φ (P1, ..., PN ) = 0 (1.70)

Por outro lado, supondo que o aumento da geração do ge-