Análise de Sistemas de Potência II - 20160808

ANÁLISE DE
SISTEMAS DE
POTÊNCIA II
Sumário
CAPÍTULO 1 - MÉTODOS DE OTIMIZAÇÃO APLICADOS A SISTEMAS DE
POTÊNCIA ................................................................................................................. 6
1. INTRODUÇÃO ................................................................................................... 6
2. PROBLEMASDEOTIMIZAÇÃOCOM RESTRIÇÕES .......................................... 6
3. DESPACHO ECONÔMICO DE UNIDADES TÉRMICAS.................................... 9
3.1 Despacho Desprezando as Perdas na Transmissão ................................... 9
3.2 Algoritmo de Solução ................................................................................ 12
3.3 Despacho Considerando as Perdas na Transmissão ................................ 14
4. PROGRAMAÇÃO DA GERAÇÃO TÉRMICA ................................................... 17
4.1 Reserva Girante ........................................................................................ 19
4.2 Restrições Operacionais ........................................................................... 19
4.3 Métodos de Solução ................................................................................. 20
5. COORDENAÇÃO HIDROTÉRMICA ................................................................ 32
5.1 Programação da Operação Hidrotérmica de Médio Prazo ........................ 32
5.2 Estratégia Baseada na Curva Limite ......................................................... 33
5.3 Estratégia Baseada no Valor Marginal da Água ........................................ 34
5.4 Planejamento da Operação Hidrotérmica de Curto Prazo ......................... 35
6. FLUXO DE POTÊNCIA ÓTIMO........................................................................ 53
6.1 Formulação do Problema .......................................................................... 54
6.2 Fluxo de Potência Ótimo Linearizado ........................................................ 59
7. REFERÊNCIAS ................................................................................................ 69
8. ANEXO ............................................................................................................ 70
CAPÍTULO 2 - REPRESENTAÇÃO DE CONTROLES E LIMITES NOS

PROGRAMAS DE FLUXO DE POTÊNCIA ......................................................... 74
1. INTRODUÇÃO ................................................................................................. 74
2. MODOS DE REPRESENTAÇÃO ..................................................................... 75
2.1 Ajustes Alternados .................................................................................... 75

2.2 Representação do Limite de Injeção de Reativo nas Barras PV ................ 76
2.3 Limites de Tensão em Barras PQ.............................................................. 78
2.4 Transformadores com Ajuste Automático de Tap ...................................... 80
2.5 Transformadores Defasadores com Controle Automático de Fase............ 82
2.6 Controle de Intercâmbio entre Áreas ......................................................... 83
2.7 Controle de Tensão em Barras Remotas .................................................. 85
3. REFERÊNCIAS ................................................................................................ 86
CAPÍTULO 3 - ESTIMAÇÃO DE ESTADOS EM SISTEMAS ELÉTRICOS DE

POTÊNCIA ............................................................................................................... 87
1. INTRODUÇÃO ................................................................................................. 87
1.1 Estados Operativos da Rede..................................................................... 88
2. MODERNOS CENTROSDE OPERÇÃODESISTEMAS ................................... 89
2.1 Centro de Operação de Sistemas - COS................................................... 89
2.2 Principais Funções Executadas no COS ................................................... 90
2.3 Centro de Operação de Distribuição - COD .............................................. 92
3. PRINCIPAIS CARACTERÍSTICAS DOS ESTIMADORES DE ESTADOSEM

SEP ......................................................................................................................... 94
4. APLICAÇÃO DOS RESULTADOS DA ESTIMAÇÃO DE ESTADOS EM SEP . 95
5. CLASSIFICAÇÃO DOS ESTIMADORES DE ESTADOS ................................. 95
6. MÍNIMOS QUADRADOS PONDERADOS (MQP) – ABORDAGEM CLÁSSICA

96
7. ESTIMADOR DE ESTADOS LINEARIZADO (DC) ......................................... 100
7.1 Considerações Iniciais ............................................................................ 100
7.2 Hipóteses Simplificadoras ....................................................................... 100
7.3 Estrutura de Dados do Estimador DC ..................................................... 101
7.4 Modelo de Medição Linearizado .............................................................. 103
7.5 Solução do Estimador de Estados DC .................................................... 103
8. ESTIMADOR DE ESTADOS NÃO LINEAR .................................................... 106
8.1 Modelo NãoLinear de Medição ................................................................ 106

8.2 Solução do Método MQP Aplicado ao Problema de Estimação de Estados
em SEP ............................................................................................................. 107
8.3 O método de Gauss-Newton ................................................................... 107
8.4 Estrutura de Dados do Estimador CA ...................................................... 109
9. ESTIMADORES DE ESTADOS DESACOPLADOS ....................................... 121
9.1 Estimadores Desacoplados no Algoritmo ................................................ 123
9.2 Estimadores Desacoplados no Modelo ................................................... 123
10. REFERÊNCIAS .......................................................................................... 125
CAPÍTULO 4 - ANÁLISE DE CONTINGÊNCIAS EM SISTEMAS

ELÉTRICOS DE POTÊNCIA ............................................................................... 126
1. INTRODUÇÃO ............................................................................................... 126
2. ANÁLISE DE ALTERAÇÕES EM REDES ELÉTRICAS – MÉTODOS DE

COMPENSAÇÃO .................................................................................................. 128
2.1 Pré-Compensação .................................................................................. 130
2.2 Pós-Compensação.................................................................................. 131
2.3 Compensação Intermediária ................................................................... 131
CAPÍTULO 5 - ANÁLISE DE SENSIBILIDADE............................................... 135
1. INTRODUÇÃO ............................................................................................... 135
2. MODELO MATEMÁTICO PARA ANÁLISE DE SENSIBILIDADE ................... 135
2.1 Matrizes de Sensibilidade ....................................................................... 137
2.2 Solução da Equação Matricial de Sensibilidade ...................................... 138
3. DETERMINAÇÃO DAS GRANDEZAS FUNCIONAIS .................................... 140
CAPÍTULO 6 – PREVISÃO DE CARGA EM SISTEMAS ELÉTRICOS DE

POTÊNCIA ............................................................................................................. 145
1. INTRODUÇÃO ............................................................................................... 145
2. CARACTERÍSTICAS DAS CARGAS EM SISTEMAS DE ELÉTRICOS DE

POTÊNCIA ............................................................................................................ 146
2.1 Fatores Temporais .................................................................................. 146
2.2 Fatores Meteorológicos ........................................................................... 147
2.3 Fatores Aleatórios ................................................................................... 147

2.4 Fatores Determinísticos .......................................................................... 147
3. MODELOS DE CARGA .................................................................................. 148
3.1 Modelo de Pico de Carga ........................................................................ 148
3.2 Modelo de Curva de Carga ..................................................................... 148
4. TÉCNICAS DE PREVISÃO DE CARGA......................................................... 149
4.1 Métodos Convencionais .......................................................................... 150
4.2 Métodos Não Convencionais................................................................... 153
5. REFERÊNCIAS .............................................................................................. 153

CAPÍTULO 1 - MÉTODOS DE
OTIMIZAÇÃO APLICADOS A
SISTEMAS DE POTÊNCIA
1. INTRODUÇÃO
Este capítulo aborda a aplicação de métodos de otimização na resolução de
problemas típicos da área de sistemas de potência, tais como: despacho econômico
de unidades de geração térmica; programação da geração térmica; coordenação
hidrotérmica e fluxo de potência ótimo.
Primeiramente, é feita uma breve revisão sobre o método de Lagrange aplicado à

solução de problemas de otimização com restrições. Em seguida, esses conceitos são
estendidos aos problemas de despacho econômico da geração térmica e coordenação
hidrotérmica.
Por fim, faz-se uma breve apresentação do problema de fluxo de potência ótimo (FPO)
em linhas gerais, para em seguida apresentar a formulação do problema de FPO,
utilizando o modelo linearizado (DC) para representação das equações de fluxo de
potência nas redes de transmissão.
2. PROBLEMAS DE OTIMIZAÇÃO COM RESTRIÇÕES

Em diversos problemas relacionados aos sistemas de potência, comumente, são
encontradas funções que devem ser otimizadas (i.e., encontrar os pontos de máximo
ou mínimo). Uma vez que o objetivo é maximizar ou minimizar uma determinada
função matemática, essa função é usualmente denominada de função objetivo. As
funções de restrição ou simplesmente os limites das variáveis do problema são
agrupadas como restrições do problema. A região definida pelas restrições é chamada
de região factível do problema. Se as restrições são tais que não há uma região
factível, isto é, não há valores para as variáveis independentes que satisfaçam
simultaneamente todas as equações de restrição, o problema de otimização não tem
solução factível.
Antes de dar início à formulação de problemas de otimização em sistemas de

potência, considere o problema de otimização apresentado em (1.1).
𝑀𝑖𝑛 𝑓(𝑥1 , 𝑥2 ) = 0,25𝑥12 + 𝑥22

(1.1)
𝑠𝑢𝑗𝑒𝑖𝑡𝑜 𝑎:
𝑔(𝑥1 , 𝑥2 ) = 5 − 𝑥1 − 𝑥2 = 0
O problema de otimização mostrado em (1.1) pode ser graficamente representado

conforme ilustra a Figura 1.1.
7
Figura 1.1: Representação gráfica da função objetivo e da equação de restrição.
Pode-se observar pela Figura 1.1 que o ótimo do problema de otimização está na
interseção da função elíptica para 𝑓 = 5 e a equação de restrição (𝑔). Nota-se
também que o ponto ótimo ocorre onde a função de restrição é tangente à função 𝑓.
Considere, agora, a Figura 1.2, na qual se mostram algumas elipses para valores da
função 𝑓 nas proximidades do ponto ótimo e os gradientes das funções 𝑓 e 𝑔 para os
pontos (𝑥1′ , 𝑥2′ ), (𝑥1∗ , 𝑥2∗ ) e (𝑥1′′ , 𝑥2′′ ), representados na figura por ∇𝑓(𝑥1 , 𝑥2 ) e ∇𝑔(𝑥1 , 𝑥2 ).
Note que no primeiro ponto (𝑥1 , 𝑥2 ), o gradiente é perpendicular a 𝑓, mas não a 𝑔, e,
portanto, tem valor diferente de zero na direção de 𝑔. Semelhantemente, o gradiente
no ponto (𝑥1′′ , 𝑥2′′ ) é perpendicular a 𝑔, mas não a 𝑓. O componente do gradiente
diferente de zero na direção de 𝑔 implica que mover nessa direção aumentará o valor
da função objetivo. Portanto, para minimizar 𝑓 deve-se caminhar em sentido oposto ao
componente do gradiente projetado em 𝑔. No ponto ótimo (𝑥1∗ , 𝑥2∗ ), o gradiente de 𝑓 é
perpendicular a 𝑔, logo não há como melhorar o valor da função objetivo movendo-se
deste ponto. Para garantir que o gradiente de 𝑓 (i.e. ∇𝑓) seja perpendicular a 𝑔, basta
que o gradiente de 𝑓 e o gradiente de g sejam vetores linearmente dependentes. Do
ponto de vista matemático, isso pode ser expresso da seguinte forma:
∇𝑓 + 𝜆∇𝑔 = 0 (1.2)
Figura 1.2: Gradientes nas proximidades do ponto ótimo.

8
O escalar 𝜆 é conhecido como multiplicador de Lagrange. O problema de otimização

mostrado em (1.1) pode, então, ser reformulado utilizando o multiplicador de
Lagrange.
L(x1 , 𝑥2 , 𝜆) = 𝑓(𝑥1 , 𝑥2 ) + 𝜆𝑔(𝑥1 , 𝑥2 ) (1.3)
A Equação (1.3) é chamada de equação de Lagrange. Ao encontrar o ótimo da

equação 𝐿(𝑥1 , 𝑥2 , 𝜆), isto é, os pontos extremos (𝑥1 , 𝑥2 ), encontra-se automaticamente
o valor correto de 𝜆. Para que a condição imposta pela equação (1.2) seja satisfeita,
basta que as derivadas parciais da função de Lagrange sejam igualadas a zero.
∂L
=0
𝜕𝑥1
(1.4)
𝜕𝐿
=0
𝜕𝑥2
𝜕𝐿
=0
𝜕𝜆
Para ilustrar como o processo descrito anteriormente funciona, considere novamente o

problema dado pela equação (1.1). Utilizando a função de Lagrange, o problema pode
ser reescrito da seguinte forma:
𝐿(𝑥1 , 𝑥2 , 𝜆) = 0,25𝑥12 + 𝑥22 + 𝜆(5 − 𝑥1 − 𝑥2 )
Tomando as derivadas parciais da função de Lagrange e igualando-as a zero, tem-se:
𝜕𝐿
= 0,5𝑥1 − 𝜆 = 0
𝜕𝑥1
𝜕𝐿
= 2𝑥2 − 𝜆 = 0
𝜕𝑥2
𝜕𝐿
= 5 − 𝑥1 − 𝑥2 = 0
𝜕𝜆
Note que a derivada da função de Lagrange em relação à 𝜆 equivale à equação de

restrição. Finalmente, resolvendo o sistema de equações anteriormente mostrado,
chega-se a:
𝑥1 = 4; 𝑥2 = 1 𝑒 𝜆 = 2
9
3. DESPACHO ECONÔMICO DE UNIDADES TÉRMICAS
3.1 Despacho Desprezando as Perdas na Transmissão
Considere um sistema composto por 𝑁 unidades térmicas conectadas a uma barra

que alimenta uma carga 𝑃𝐿 , conforme ilustra a Figura 1.3.
Figura 1.3: N unidades térmicas suprindo uma carga.
Matematicamente, o problema pode ser formulado como se segue:
𝑁 (1.5)
FT = ∑ 𝐹𝑖 (𝑃𝑖 )
𝑖=1
𝑁 (1.6)
𝑔 = 𝑃𝐿 − ∑ 𝑃𝑖 = 0
𝑖=1
Na equação (1.5) o termo 𝐹𝑖 (𝑃𝑖 ) representa a função custo de produção de cada

unidade geradora e tem a seguinte característica:
𝐹𝑖 (𝑃𝑖 ) = 𝛾𝑖 𝑃𝑖2 + 𝛽𝑖 𝑃𝑖 + 𝛼𝑖 (1.7)
A distribuição ótima da carga entre os geradores pode ser obtida por meio dos
multiplicadores de Lagrange. Nesse caso, a função objetivo e a função de restrição
podem ser combinadas na seguinte função de Lagrange:
𝐿(𝑃𝑖 , 𝜆) = 𝐹𝑇 (𝑃𝑖 ) + 𝜆𝑔(𝑃𝑖 ) (1.8)
As condições necessárias para que o ótimo da função seja encontrado são que as
derivadas parciais da função de Lagrange em relação às variáveis independentes (i.e.
𝑃𝑖 e 𝜆) sejam todas iguais a zero.
10
𝜕𝐿(𝑃𝑖 , 𝜆) 𝑑𝐹𝑇 (𝑃𝑖 )

= −𝜆 = 0
𝜕𝑃𝑖 𝑑𝑃𝑖 (1.9)
𝑁
𝜕𝐿(𝑃𝑖 , 𝜆)
= 𝑃𝐿 − ∑ 𝑃𝑖 = 0
𝜕𝜆
𝑖=1
Adicionalmente, os limites máximo e mínimo de geração podem ser adicionados ao

problema. Sendo assim, o problema passa a ser formulado pelo conjunto de equações
e inequações a seguir.
𝑑𝐹𝑇 (𝑃𝑖 )
= 𝜆 → N equações
𝑑𝑃𝑖
(1.10)
𝑃𝑖𝑀𝑖𝑛 ≤ 𝑃𝑖 ≤ 𝑃𝑖𝑀𝑎𝑥 → 2N inequações
𝑁
∑ 𝑃𝑖 = 𝑃𝐿 → 1 restrição de igualdade
𝑖=1
As inequações anteriores podem ser expandidas nas seguintes condições:
𝑑𝐹𝑖 (𝑃𝑖 )
= 𝜆 para 𝑃𝑖𝑀𝑖𝑛 ≤ 𝑃𝑖 ≤ 𝑃𝑖𝑀𝑎𝑥
𝑑𝑃𝑖
(1.11)
𝑑𝐹𝑖
< 𝜆 para 𝑃𝑖 = 𝑃𝑖𝑀𝑎𝑥
𝑑𝑃𝑖
𝑑𝐹𝑖
> 𝜆 para 𝑃𝑖 = 𝑃𝑖𝑀𝑖𝑛
𝑑𝑃𝑖
Exemplo 3.1:
Determine o despacho ótimo de 3 unidades térmicas utilizadas para suprir uma carga
de 850 MW.
Dados das unidades
Tabela 1.1: Dados do sistema do exemplo 3.1.

Unidade Curva Característica H(P) Custo de operação Limites operacionais
[MBtu/h] [$/MBtu] [MW]
U1 0,00142𝑃12 + 7,2𝑃1 + 510,0 1,1 150 ≤ 𝑃1 ≤ 600
U2 0,00194𝑃22 + 7,85𝑃2 + 310,0 1,0 100 ≤ 𝑃2 ≤ 400
U3 0,00482𝑃32 + 7,97𝑃3 + 78,0 1,0 50 ≤ 𝑃3 ≤ 200
Solução:
O primeiro passo é obter a função custo de produção para cada unidade. Para tal,
basta que o custo de operação seja multiplicado pela função de consumo 𝐻(𝑃). Sendo
assim, tem-se:
Gerador 1: 𝐹1 (𝑃1 ) = 0,001562𝑃12 + 7,92𝑃1 + 561,0

11
Gerador 2: 𝐹2 (𝑃2 ) = 0,00194𝑃22 + 7,85𝑃2 + 310,0
Gerador 3: 𝐹3 (𝑃3 ) = 0,00482𝑃32 + 7,97𝑃3 + 78,0
Em seguida, aplicando-se as condições impostas pela Equação (1.9), tem-se:
𝜕𝐿
= 0,003124𝑃1 + 7,92 − 𝜆 = 0
𝜕𝑃1
𝜕𝐿
= 0,00388𝑃2 + 7,85 − 𝜆 = 0
𝜕𝑃2
𝜕𝐿
= 0,00964𝑃3 + 7,97 − 𝜆 = 0
𝜕𝑃3
𝜕𝐿
= 850 − 𝑃1 − 𝑃2 − 𝑃3 = 0
𝜕𝜆
Resolvendo-se o sistema de equações acima, chega-se a:
𝑃1 = 393,2 MW; 𝑃2 = 334,6 MW; 𝑃3 = 122,2 MW 𝑒 𝜆 = 9,148 $/MWh
Nota-se que todas as potências geradas estão dentro dos limites máximo e mínimo.
Exemplo 3.2:
Suponha, agora, que o custo de operação da unidade 1 tenha baixado para 0,9
$/MBtu. Sendo assim, a função custo para o gerador 1 torna-se:
𝐹1 (𝑃1 ) = 0,001278𝑃12 + 6,48𝑃1 + 459
Resolvendo o sistema de equações dado pela expressão (9), obtém-se:
𝑃1 = 705,7 MW; 𝑃2 = 111,8 MW; 𝑃3 = 32,50 MW 𝑒 𝜆 = 8,283 $/MWh
Nota-se que essa solução satisfaz à restrição do equilíbrio entre geração e carga, mas
viola os limites dos geradores 1 e 3.
Para adequar a solução, coloca-se o gerador 1 gerando no máximo, o gerador 3

gerando no mínimo e o restante da potência sendo gerada pelo gerador 2. Sendo
assim, o despacho torna-se:
𝑃1 = 600 MW; 𝑃2 = 200 MW 𝑒 𝑃3 = 50 MW
Do conjunto de restrições dado em (1.11), verifica-se que o custo incremental do

sistema (𝜆) deve ser igual ao custo incremental do gerador 2, uma vez que a potência
nesse gerador está dentro dos limites máximo e mínimo. Sendo assim:
𝑑𝐹2
| = 8,626 $/MWh
𝑑𝑃2 𝑃 =200
2
O próximo passo é verificar os custos incrementais dos geradores 1 e 3.

12
𝑑𝐹1
| = 8,016 $/MWh
𝑑𝑃1 𝑃
1 =600
𝑑𝐹3
| = 8,452 $/MWh
𝑑𝑃3 𝑃
3 =50
Nota-se que o custo incremental do gerador 1 (𝜆1 = 8,016 $/MWh) é menor que 8,626
$/MWh, logo a unidade 1 deve realmente gerar no seu limite máximo. Entretanto, o
custo incremental da unidade 3 (𝜆3 = 8,452 $/𝑀𝑊ℎ) é menor que 8,626 $/MWh, o que
implica que a unidade 3 não deve gerar no mínimo. Portanto, as unidades 2 e 3 devem
ser redespachadas. Isso significa ter que resolver o seguinte sistema de equações:
𝑃1 = 600
𝜕𝐿
= 0,00388𝑃2 − 𝜆 = 0
𝜕𝑃2
𝜕𝐿
= 0,00964𝑃3 − 𝜆 = 0
𝜕𝑃3
850 − 𝑃1 − 𝑃2 − 𝑃3 = 0
Resolvendo o sistema de equações anterior, obtém-se:
𝑃2 = 187,1 MW; 𝑃3 = 62,9 MW 𝑒 𝜆 = 8,576 $/MWh
Observe que esse despacho satisfaz às condições dadas em (11), pois:
𝜕𝐹1
| = 8,016 $/MWh
𝜕𝑃1 𝑃
1 =600
é menor que 𝜆 = 8,576 $/MWh e
𝑑𝐹2 𝑑𝐹3
= = 𝜆 = 8,576
𝑑𝑃2 𝑑𝑃3
3.2 Algoritmo de Solução
O método de solução mostrado anteriormente, embora seja simples, não é muito

prático para ser desenvolvido computacionalmente. Por esse motivo, nessa subseção,
as equações serão reorganizadas de uma maneira mais fácil, para que elas possam
ser utilizadas em um processo iterativo de busca pela solução ótima.
Como mostrado anteriormente, a função de custo de produção do gerador é dada por

um polinômio de segunda ordem. Na condição de otimalidade, tem-se que:
𝜕𝐿 (1.12)
= 2𝛾𝑖 𝑃𝑖 + 𝛽𝑖 − 𝜆 = 0
𝜕𝑃𝑖
13
da qual se obtém:
𝜆 − 𝛽𝑖 (1.13)
𝑃𝑖 =
2𝛾𝑖
Substituindo a Equação (1.13) na equação de equilíbrio entre geração e carga, tem-se:
𝑁 (1.14)
𝜆 − 𝛽𝑖
𝑃𝐿 − ∑ ( )=0
2𝛾𝑖
𝑖=1
Após algumas modificações, a Equação (1.14) pode ser posta na forma a seguir:
𝑁 𝑁 (1.15)
1 1
𝑓(𝜆) = 2𝑃𝐿 − 𝜆 ∑ + 𝛽𝑖 ∑ = 0
𝛾𝑖 𝛾𝑖
𝑖=1 𝑖=1
As Equações (1.13) e (1.15) podem ser utilizadas alternadamente em um processo

iterativo para resolver o problema de despacho ótimo, conforme ilustrado na Figura
1.4.
O valor do custo incremental (𝜆) pode ser corrigido utilizando-se o método de Newton,
ou seja, nas proximidades da solução, a função dada por (1.15) pode ser linearizada,
conforme se mostra em (1.16).
𝑓(𝜆 + Δ𝜆) = 𝑓(𝜆) + 𝑓 ′ (𝜆)Δ𝜆 = 0 (1.16)
da qual se obtém
𝑓(𝜆) (1.17)
Δ𝜆 = −
𝑓′(𝜆)
em que 𝑓′(𝜆) é a derivada da função (1.15) e é igual a:
𝑁 (1.18)
1
𝑓′(𝜆) = − ∑
𝛾𝑖
𝑖=1
Portanto, a cada iteração, o valor de 𝜆 é dado por 𝜆𝑘+1 = 𝜆𝑘 + Δ𝜆𝑘 .

14
Início
Ler dados:
Número de geradores: N
Limites dos geradores: PM ax e PM in
Coefic ientes da funç ão c usto: a , b e g
Carga: PL
Custo inc remental inic ial: l0
M ax
Número máximo de iteraç ões: N
Tolerânc ia: e
k=1
B
Calcular:
Pi = l - bi
2gi
Min Sim Min

Pi = Pi Pi < Pi
Sim
Pi = Pi Max Pi > Pi Max
Último Não
gerador
Calcular:
N
f(l) = PL - Pi
i=1
Sim
k > NMax Problema não convergiu
Não
|f(l)| > e Solução encontrada
Calcular:
Δl = - f(l)
k k
k
f’(l)
l = l + Δl
k+1 k
B k=k+1
Figura 1.4: Algoritmo de solução.
3.3 Despacho Considerando as Perdas na Transmissão
Quando as perdas no sistema de transmissão são incluídas no problema de despacho

ótimo, aumenta-se um pouco a complexidade do problema. A função objetivo continua
sendo a mesma mostrada em (1.5), porém a restrição do equilíbrio entre geração e a
15
carga deve, agora, levar em conta as perdas nas linhas de transmissão. Sendo assim,
a nova restrição passa a ser:
𝑁 (1.19)
𝑔 = 𝑃𝐿 + 𝑃𝑃𝑒𝑟𝑑𝑎𝑠 − ∑ 𝑃𝑖 = 0
𝑖=1
O mesmo procedimento é seguido para obter as condições necessárias para garantir a

otimalidade do problema, ou seja:
𝐿 = 𝐹𝑇 + 𝜆𝑔
𝜕𝐿 𝑑𝐹𝑖 𝜕𝑃𝑃𝑒𝑟𝑑𝑎𝑠
= − 𝜆 (1 − )=0
𝜕𝑃𝑖 𝑑𝑃𝑖 𝜕𝑃𝑖
(1.20)
𝑁
𝜕𝐿
= 𝑃𝐿 + 𝑃𝑃𝑒𝑟𝑑𝑎𝑠 − ∑ 𝑃𝑖 = 0
𝜕𝜆
𝑖=1
As perdas são expressas em função da potência de cada gerador conforme mostrado

em (1.21).
𝑁 (1.21)
𝑃𝑃𝑒𝑟𝑑𝑎𝑠 = ∑ 𝜏𝑖 𝑃𝑖2
𝑖=1
Uma maneira fácil de resolver esse problema é utilizar o algoritmo anterior,

substituindo a equação (1.13) pela equação (1.22).
𝜆 − 𝛽𝑖 (1.22)
𝑃𝑖 =
2(𝛾𝑖 + 𝜆𝜏𝑖 )
Além da substituição da equação (1.13) pela equação (1.22), as perdas devem ser
calculadas utilizando-se os valores mais recentes de 𝑃𝑖 e incluí-las na equação de
equilíbrio entre geração e carga, conforme a segunda equação da expressão (1.20).
A Erro! Fonte de referência não encontrada. resume os passos necessários para

solucionar o problema de despacho ótimo de geradores térmicos considerando as
perdas na transmissão.
16
Figura 1.5: Algoritmo de solução do problema de despacho ótimo considerando as perdas na

transmissão.
Exemplo 3.3:
Considere novamente as unidades do exemplo 1 sendo utilizadas para suprir uma

carga de 850 MW. Suponha agora que as perdas na transmissão são dadas por:
𝑃𝑃𝑒𝑟𝑑𝑎𝑠 = 0,00003𝑃12 + 0,00009𝑃22 + 0,00012𝑃32
A tabela seguir resume os passos do algoritmo apresentado na Figura 1.6,

considerando que o custo incremental inicial foi de 𝜆(0) = 9,52.
Tabela1.2: Resultados para o exemplo 3.3.

Iteração 𝝀 𝑷𝟏 𝑷𝟐 𝑷𝟑 𝑷𝑷𝒆𝒓𝒅𝒂𝒔 𝜺
0 9,5200 432,9942 298,5555 129,9812 15,6741 4,1433
1 9,5281 435,1186 299,9188 130,6360 15,8234 0,1500
2 9,5284 435,1955 299,9681 130,6597 15,8288 0,0054
17
4. PROGRAMAÇÃO DA GERAÇÃO TÉRMICA
Geralmente, nos sistemas elétricos de potência, a carga total é elevada durante o dia
(em função das atividades comerciais e industriais) e baixa ao anoitecer (quando a
maior parte da população está dormindo). Adicionalmente, a carga também varia de
acordo com os dias da semana. Normalmente, nos finais de semana a carga é menor
que durante os dias normais. Por questões econômicas, as unidades geradoras são
ligadas e desligadas ao longo do dia de acordo com a variação da carga. Para ilustrar
tal situação, considere o exemplo a seguir.
Exemplo 4.1:
Três geradores térmicos, cujos dados são mostrados na Tabela 1.3, são utilizados
para suprir uma carga que varia entre 500 e 1200 MW, conforme mostrado na Figura
1.6.
Tabela 1.3: Dados dos geradores do exemplo 4.1.

Gerador Max (MW) Min (MW) Função Hi(Pi) (MBtu/h) Custo (R$/MBtu)
Gerador 1 600 150 510 + 7,2𝑃1 + 0,00142𝑃12 0,9
Gerador 2 400 100 310 + 7,85𝑃2 + 0,00194𝑃22 1,0
Gerador 3 200 50 78 + 7,97𝑃3 + 0,00482𝑃32 1,2
Figura 1.6: Curva de carga para o exemplo 4.
Determine a programação das unidades para o período de 4:00 h PM às 4:00 h PM do

dia seguinte.
Solução:
A fim de se obter a programação das unidades, isto é, em que momento e quais

unidades deverão ser ligadas/desligadas, pode-se enumerar todas as possíveis
combinações das três unidades para cada valor da curva de carga em intervalos de 50
MW, desde 500 até 1200 MW. As possíveis combinações são mostradas na tabela a
seguir.
As linhas destacadas em amarelo referem-se à solução com menor custo total de

produção. Observando-se os dados da tabela a seguir é possível identificar a seguinte
programação dos geradores:
18
De 500 e 600 MW, apenas o gerador 1 é despachado;
De 650 a 700 MW, os geradores 1 e 3 são despachados;
De 750 a 1000 MW, os geradores 1 e 2 são despachados;
De 1050 a 1200 MW, todos os geradores são despachados.
Tabela 1.4: Programação dos geradores.

Carga G1 (MW) G2 (MW) G3 (MW) Custo Total $/h
500 0 0 4018,50
450 0 50 4220,10
500 400 100 0 4369,90
350 100 50 4584,20
0 400 100 4868,20
550 0 0 4406,95
500 0 50 4604,80
550 450 100 0 4748,20
400 100 50 4956,10
0 400 150 5418,70
600 0 0 4807,10
550 0 50 4995,90
600 500 100 0 5132,90
450 100 50 5334,50
0 400 200 5998,10
600 0 50 5393,30
650 550 100 0 5524,00
500 100 50 5719,20
600 0 100 5914,90
700 600 100 0 5921,50
550 100 50 6110,30
600 150 0 6338,20
750 600 0 150 6465,40
600 100 50 6507,70
600 200 0 6764,70
800 600 150 50 6924,50
600 0 200 7044,80
600 250 0 7200,80
850
600 200 50 7350,90
600 300 0 7646,70
900
600 250 50 7787,10
600 350 0 8102,20
950
600 300 50 8232,90
600 400 0 8567,50
1000
600 350 50 8688,50
1050 600 400 50 9153,70
1100 600 400 100 9675,30
1150 600 400 150 10226,00
1200 600 400 200 10805,00
19
Esse é um exemplo simples de programação da geração, no qual as únicas restrições

atendidas são o nível de carga e os limites dos geradores. As subseções seguintes
abordam as demais restrições que devem ser levadas em conta na programação da
geração.
4.1 Reserva Girante
O termo reserva girante é utilizado para designar o montante total de geração

disponível de todas as unidades sincronizadas (i.e. que estão girando), menos a carga
suprida e as perdas. O montante de reserva girante deve ser tal que a perda de uma
ou mais unidades sincronizadas não cause alterações na frequência do sistema nem
ocasione corte de carga. Geralmente, o nível de reserva girante é especificado com
base em um conjunto de regras que define quanto de reserva dever ser deixado em
cada unidade geradora.
Historicamente, uma regra muito utilizada pelos operadores dos sistemas de potência
é especificar o montante de reserva girante como um percentual da carga pico do
sistema, ou uma quantidade equivalente à maior unidade geradora sincronizada. Outra
forma de especificar a reserva girante é com base no risco de não haver geração
suficiente para atender a carga.
A reserva girante não deve somente ser suficiente para cobrir a perda de unidades
geradoras, mas deve ser adequadamente distribuída entre as unidades com tempo
rápido de resposta (i.e., que podem ser sincronizadas em poucos minutos) e unidades
lentas (que levam dezenas de horas para serem sincronizadas). Isso permite que o
controle automático de geração restaure a frequência do sistema e mantenha os
intercâmbios de potência ativa entre áreas, caso ocorra a perda de unidades
sincronizadas.
4.2 Restrições Operacionais
As unidades térmicas requerem uma equipe de operadores responsáveis pelo controle

das mesmas, principalmente quando elas precisam ser ligadas ou desligadas. As
unidades térmicas suportam apenas variações pequenas de temperatura, o que
implica em um período longo (da ordem de algumas horas) para que a unidade esteja
pronta para suprir carga. Como resultado, algumas restrições operacionais de uma
central de geração termelétrica devem ser levadas em consideração no processo de
programação da geração:
 Tempo mínimo de parada (minimum up time): quando uma unidade térmica está
em operação a mesma não pode ser desligada instantaneamente.
 Tempo mínimo de partida (minimum down time): quando uma unidade está
desligada, é necessário um tempo mínimo para que ela seja posta em operação.
 Disponibilidade de mão-de-obra: se uma central de geração termelétrica é
composta por duas ou mais unidades geradoras, essas unidades não podem ser
20
ligadas/desligadas simultaneamente se não houver operadores suficientes para

atender a todas as unidades.
Adicionalmente, as unidades térmicas necessitam de certa quantidade de energia

térmica para vencer a inércia das massas girantes, a qual não é convertida em energia
elétrica. Essa quantidade inicial de energia é considerada nos estudos de
programação da geração como custo de partida da unidade geradora (start-up cost).
O custo de partida das unidades térmicas pode variar desde um valor máximo, quando
a unidade é posta em operação com a caldeira fria (cold start) até valores
consideravelmente menores, quando a unidade é posta em operação poucos instantes
após ter sido desligada, e ainda se encontra com a temperatura próxima ao ponto de
operação. Esses dois custos podem ser aproximadamente estimados pelas Equações
(1.23) e (1.24).
 Custo de partida a frio (cooling):
−𝑡⁄ (1.23)
𝐶𝑐𝑜𝑜𝑙𝑖𝑛𝑔 = 𝐸𝑐 × (1 − 𝑒 𝛼) × 𝐹 + 𝐶𝑓
 Custo de partida a quente (baking):
𝐶𝑏𝑎𝑘𝑖𝑛𝑔 = 𝐸𝑡 × 𝑡 × 𝐹 + 𝐶𝑓 (1.24)
em que:
𝐸𝑐 – Energia térmica necessária para a partida a frio (MBtu);
𝐸𝑡 – Energia térmica necessária para manter a unidade geradora na temperatura de

operação (MBtu/h);
𝐹 – custo do combustível;
𝐶𝑓 – Custo fixo (incluindo gastos com mão-de-obra, manutenção etc.);
𝛼 – constante térmica da unidade geradora;
𝑡 - tempo durante o qual aunidade permaneceu desligada.
4.3 Métodos de Solução
O problema de programação da geração é bem complexo. Para ter uma ideia da

dimensão do problema, considere um sistema formado por 𝑁 unidades geradoras
térmicas que devem ser programadas para suprir uma carga durante um período
dividido em 𝑀 intervalos. Então, enumerando as possíveis combinações de geradores
que devem ser examinadas em cada intervalo, tem-se:
21
𝐶(𝑁, 1) + 𝐶(𝑁, 2) + ⋯ + 𝐶(𝑁, 𝑁 − 1) + 𝐶(𝑁, 𝑁) = 2𝑁 − 1
em que 𝐶(𝑁, 𝑗) representa a combinação de 𝑁 itens de 𝑗 maneiras diferentes.
Para um total de 𝑀 intervalos, o número máximo de combinações se torna (2𝑁 − 1)𝑀 ,

o que pode ser extremamente grande dependendo do número de unidades geradoras
e da quantidade de intervalos. Por exemplo, para um período de 24 horas, dividido em
intervalos iguais de 1 hora, e 5 unidades geradoras seriam analisadas 6,2  1035
possibilidades.
4.3.1 Método da Lista de Prioridades
Um modo bastante simples de fazer a programação das unidades consiste em

construir uma lista de prioridade para as unidades geradoras. Essa lista pode ser
obtida com base no custo incremental das unidades para a condição de carregamento
máximo, ou seja:
𝑑𝐹(𝑃) (1.25)
𝐶𝑢𝑠𝑡𝑜 𝑀é𝑑𝑖𝑜 = |
𝑑𝑃 𝑃=𝑃𝑀𝑎𝑥
Para ilustrar, considere novamente as unidades do Exemplo 4.1, para as quais o custo
médio é mostrado a seguir:
Tabela 1.5: Custo Médio de Produção.

Gerador Custo Médio ($/MWh)
1 8,0136
2 9,4020
3 11,8776
Então, seguindo fielmente a lista de prioridade anterior, as unidades são despachadas

na ordem 1, 2 e 3.
Os passos seguintes podem ser utilizados para programar a geração térmica,

utilizando o método da lista de prioridade.
i. A cada hora, quando a carga estiver decrescendo, determine a próxima

unidade da lista de prioridade que poderá ser desligada, sem afetar a carga
mais os requisitos de reserva girante;
ii. Determine o número de horas H, decorrido desde o instante que a unidade foi
desligada até o momento em que ela entrará em operação novamente
(considerando que a carga esteja decrescendo, mas se elevará algumas horas
à frente);
22
iii. Se H é menor que o tempo mínimo de partida, mantenha a unidade em

operação, senão, vá para o passo (iv);
iv. Calcule três custos de produção: a) soma dos custos de produção horário para
as próximas H horas considerando que a unidade esteja em operação; b) soma
dos custos de produção horário considerando que a unidade foi desligada mais
o custo de partida a frio da unidade (cooling); c) idem ao (b), porém utilizando o
custo de partida a quente (baking). Se o custo de desligar a unidade mais o
custo de partida (cooling ou baking) for menor que manter a unidade em
operação, desligue-a; senão mantenha a unidade em operação;
v. Repita os passos anteriores para as próximas unidades da lista de prioridade.
Exemplo 4.2:
Determine a programação do sistema de geração térmico dado a seguir.
Tabela 1.6: Dados dos geradores do exemplo 4.2.

Energia T. Min. T. Min.
Max Min Ec
Gerador incremental Et(MBtu/h) Parada Partida
(MW) (MW) (MBtu)
(MBtu/kWh) (h) (h)
1 500 70 9950 300 800 2 2
2 250 40 10200 210 380 2 2
3 150 30 11000 120 110 2 4
4 150 30 11000 120 110 2 4
Tabela 1.7: Dados da carga do exemplo 4.2.

Intervalo Carga (MW)
1 600
2 800
3 700
4 950
Considere que o custo do combustível seja 1,0 $/MBtu, que inicialmente as unidades 1
e 2 estejam operando e que as unidades 3 e 4 estejam desligadas. Considere também
que as unidades 3 e 4 estão desligadas há 8 horas e que cada intervalo da carga dure
2 horas.
Solução:
Nesse problema assume-se que a curva 𝐻(𝑃) de cada unidade é uma reta. Logo, o
custo incremental será constante. Os custos incrementais dos geradores são
calculados a seguir:
𝜆1 = 9,95 MBtu/MWh × 1,0 $/MBtu = 9,95 $/MWh

23
𝜆2 = 10,2 MBtu/MWh × 1,0 $/MBtu = 10,2 $/MWh
𝜆3 = 𝜆4 = 11,0 MBtu/MWh × 1,0 $/MBtu = 11,0 $/MWh
Então, as unidades serão despachadas na ordem: 1, 2 e 3.
Intervalo 1:
𝐶𝑎𝑟𝑔𝑎 = 600 MW, 𝑃1 = 500 MWe𝑃2 = 100 MW
Dado que as unidades já se encontravam em operação, o custo de produção no

primeiro intervalo será:
𝐶𝑇 1 = 500 × 9,95 × 2 + 100 × 10,2 × 2 = $11990,00
Intervalo 2:
𝐶𝑎𝑟𝑔𝑎 = 800 MW, 𝑃1 = 500 MW, 𝑃2 = 250 MW 𝑒 𝑃3 = 50 MW.
Como o gerador 3 estava desligado, para colocá-lo em operação deve-se

primeiramente verificar a restrição quanto ao tempo mínimo de partida. Como esse
gerador já se encontrava desligado por 8 horas, ele poderá ser ligado no início do
intervalo 2, pois o seu tempo mínimo de partida é de 4 horas. Em seguida, deve-se
calcular o custo de produção, lembrando que ao custo do gerador 3 deve-se adicionar
a parcela referente ao custo de partida.
𝐶𝑇 2 = 500 × 9,95 × 2 + 250 × 10,2 × 2 + 110 × 1,0 + 50 × 11,0 × 2 = $ 16260,00
Intervalo 3:
Nota-se que a carga diminui de 800 para 700 MW, o que implica que há a
possibilidade de o gerador 3 ser desligado. Entretanto, no quarto intervalo a carga
aumenta para 950 MW e, portanto, o gerador 3 deverá ser ligado novamente. Como
cada intervalo tem 2 horas de duração, não haverá tempo suficiente para partir o
gerador 3 caso ele seja desligado no início do intervalo 3. Sendo assim, o mesmo
deverá ser mantido em operação. Portanto, duas alternativas devem ser analisadas:
 O gerador 3 não é despachado, mas é mantido aquecido:
𝐶𝑎𝑟𝑔𝑎 = 700 𝑀𝑊, 𝑃1 = 500 𝑀𝑊, 𝑃2 = 200 𝑀𝑊 𝑒 𝑃3 = 0.
𝐶𝑇 3 = 500 × 9,95 × 2 + 200 × 10,2 × 2 + 120 × 1,0 × 2 = $ 14270,00
O gerador 3 é despachado no mínimo:

24
𝐶𝑎𝑟𝑔𝑎 = 700 MW, 𝑃1 = 500 MW, 𝑃2 = 170 MW, 𝑃3 = 30 MW
𝐶𝑇 3 = 500 × 9,95 × 2 + 170 × 10,2 × 2 + 30 × 11,0 × 2 = $ 14078.
Verifica-se que a segunda opção é mais econômica.
Intervalo 4:
𝐶𝑎𝑟𝑔𝑎 = 950 MW, 𝑃1 = 500 MW, 𝑃2 = 250 MW, 𝑃3 = 100 MW 𝑒 𝑃4 = 100 MW
Aqui, novamente, deve-se incluir o custo de partida a frio do gerador 4.
𝐶𝑇 4 = 500 × 9,95 × 2 + 250 × 10,2 × 2 + 100 × 11,0 × 2 + 110 × 1,0 + 100 × 11,0 × 2 = $ 19560,00
Finalmente, o custo total de produção no período é:
𝐶𝑇 = 𝐶𝑇 1 + 𝐶𝑇 2 + 𝐶𝑇 3 + 𝐶𝑇4
𝐶𝑇 = $ 61888,00
4.3.2 Programação Dinâmica
A programação dinâmica apresenta algumas vantagens com relação aos métodos

baseados na enumeração. A grande vantagem apresentada pela programação
dinâmica está na redução da dimensão do espaço de busca pela solução ótima do
problema. Para ser ter ideia de como algumas imposições reduzem a dimensão do
espaço de busca, suponha um sistema composto por quatro unidades térmicas sendo
utilizadas para suprir uma carga. Esse problema apresenta um total de 24 – 1 = 15
possíveis combinações para serem testadas. Entretanto, se uma lista de prioridade é
imposta, há somente quatro combinações para testar:
 Unidade 1
 Unidade 1 + Unidade 2
 Unidade 1 + Unidade 2 + Unidade 3
 Unidade 1 + Unidade 2 + Unidade 3 + Unidade 4
Para esse caso foi suposto que a unidade 1 é a primeira a ser despachada, em
seguida a unidade 2, e assim por diante até a unidade 4.
A imposição da lista de prioridade, baseada no custo incremental da unidade em plena

carga, resultará, teoricamente, no despacho correto, somente se:
25
 A curva característica da unidade H(P) for linear entre zero e a capacidade

máxima de geração;
 Não haver outras restrições;
 O custo de partida for fixo.
Adicionalmente, as seguintes considerações são feitas:
 Um estado consiste de uma matriz de unidades, na qual um determinado

número de unidades está operando e as demais desligadas;
 O custo de partida das unidades é independente do tempo em que elas

permaneceram desligadas (i.e. custo de partida fixo);
 Não são considerados custos para desligar as unidades;
 Segue-se fielmente uma lista de prioridade e, a cada intervalo, uma quantidade

mínima de geração deve ser despachada.
Um estado será factível somente quando as unidades programadas forem capazes de

suprir a carga e respeitarem o valor mínimo de geração despachada em cada
intervalo.
É possível desenvolver um algoritmo baseado no método da programação dinâmica

que busque a solução ótima partindo do intervalo final em direção ao primeiro intervalo
(programação para trás – backward dynamic programming). Contrariamente, pode-se
também desenvolver o algoritmo que segue o curso natural do problema, ou seja,
parte da primeira hora em direção ao intervalo final (programação dinâmica para frente
– forward dynamic programming). O segundo método apresenta vantagens evidentes
com relação ao primeiro. Por exemplo, se o custo de partida de uma unidade é
expresso em função do tempo que a unidade permanece desligada, a programação
dinâmica para frente é mais indicada, uma vez que a condição do estado anterior pode
ser calculada a cada estágio.
O algoritmo recursivo para determinar o custo mínimo na hora i, no estado k, é

apresentado a seguir.
𝐹𝑐𝑜𝑠𝑡 (𝑘, 𝑖) = 𝑀𝑖𝑛[𝑃𝑐𝑜𝑠𝑡(𝑘,𝑖) + 𝑆𝑐𝑜𝑠𝑡(𝑘−1,𝑙:𝑘,𝑖) + 𝐹_𝑐𝑜𝑠𝑡(𝑘 − 1, 𝑙)] (1.26)

26
em que:
𝐹𝑐𝑜𝑠𝑡 (𝑘, 𝑖) – menor custo total para chegar ao estado k no intervalo i;
𝑃𝑐𝑜𝑠𝑡 (𝑘, 𝑖) – custo de produção do estado k no intervalo i;
𝑆𝑐𝑜𝑠𝑡 (𝑘 − 1, 𝑙: 𝑘, 𝑖) – custo de transição do estado k-1, no intervalo l, para o estado k no

intervalo i.
Exemplo 4.3:
Determine a programação ótima do sistema termelétrico cujos dados são

apresentados a seguir. Utilize o método da programação dinâmica. Cada intervalo da
curva de carga tem duração de uma hora.
Tabela 1.8: Parâmetros dos geradores.

Max. Min. Custo Custo incremental a T. Min. de T. Min de
Gerador
(MW) (MW) vazio ($/h) plena carga ($/MWh) partida (h) parada (h)
1 80 25 213 23,54 4 2
2 250 60 585,62 20,34 5 3
3 300 75 684,74 19,74 5 4
4 60 20 252 28 1 1
Tabela 1.9: Condição inicial de operação, custos e tempos de partida.

Custo de partida
Condição Duração ($) Tempo de partida a frio
Gerador
Inicial (h) (h)
Frio Quente
1 Desligado 5 350 150 4
2 Ligado 8 400 170 5
3 Ligado 8 1100 500 5
4 Desligado 6 0,02 0 0
Tabela 1.10: Curva de carga.

Hora Carga (MW)
1 450
2 530
3 600
4 540
5 400
6 280
7 290
8 500
Obs.: considerar que a função custo das unidades seja da forma dada a seguir:
𝐹𝑖 (𝑃𝑖 ) = 𝐶𝑢𝑠𝑡𝑜 𝑎 𝑣𝑎𝑧𝑖𝑜𝑖 + (𝐶𝑢𝑠𝑡𝑜 𝐼𝑛𝑐𝑟𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑖 ) × 𝑃𝑖

27
Solução:
O primeiro passo para resolver o problema é construir a lista de prioridade com base
nos custos incrementais das unidades. Para o exemplo em questão, tem-se:
Tabela 1.11: Lista de prioridade.

Prioridade Custo ($/MWh) Gerador
1 19,74 3
2 20,34 2
3 23,54 1
4 28,00 4
Intervalo 1:
Das condições iniciais, tem-se que os geradores 2 e 3 encontravam-se ligados e os

geradores 1 e 4 desligados. Sendo assim, os geradores 2 e 3 são despachados para
atender a carga de 450 MW. Então, o custo associado à hora 1, para a condição dos
geradores 2 e 3 ligados é:
𝑃𝑐𝑜𝑠𝑡(1,1) = (684,74 + 300 × 19,74) × 1 + (585,62 + 150 × 20,34) × 1 = $ 10243,36
O custo mínimo até o primeiro intervalo será considerado zero. Assumindo também
que não houve transição de um estado anterior, tem-se:
𝐹𝑐𝑜𝑠𝑡 (1,1) = 𝑃𝑐𝑜𝑠𝑡 (1,1) = $ 10243,36
Intervalo 2:
Nesse intervalo, a carga sobe para 530 MW. As unidades 2 e 3 têm capacidade
suficiente para atender essa carga, não sendo necessário por em operação a próxima
unidade da lista de prioridade. Logo,
𝑃𝑐𝑜𝑠𝑡 (1,2) = (684,74 + 300 × 19,74) × 1 + (585,62 + 230 × 20,34) × 1 = $ 11870,56
O custo mínimo até o segundo intervalo é:
𝐹𝑐𝑜𝑠𝑡 (1,2) = 𝑃𝑐𝑜𝑠𝑡 (1,2) + 𝐹𝑐𝑜𝑠𝑡 (1,1)
𝐹𝑐𝑜𝑠𝑡 (1,2) = 10243,36 + 11870,56 = $ 22113,92
Intervalo 3:
Nesse intervalo, a carga sobe para 600 MW, implicando na necessidade de por a
próxima unidade da lista de prioridade em operação. Então, as seguintes opções
devem ser analisadas:
28
1) Por a unidade 1 em operação:
A unidade 1 precisa de 4 horas para partir. Dado que ela se encontrava desligada por
5 horas no início da análise, ela terá permanecido 7 horas desligada até o início do
intervalo 3. Então, o custo de transição do intervalo 2 no estado 1 (unidades 2 e 3
ligadas) para o intervalo 3 no estado 2 (unidades 1, 2 e 3 ligadas) equivale ao custo de
partida a frio da unidade 1, ou seja:
𝑆𝑐𝑜𝑠𝑡 (1,2: 2,3) = 350
Supondo que a decisão tenha sido ligar a unidade 1, o custo de produção no intervalo
3 seria:
𝑃𝑐𝑜𝑠𝑡 (3,2) = (684,74 + 300 × 19,74) × 1 + (585,62 + 250 × 20,34) × 1 + (213,00 + 50 × 23,54) × 1 = $ 13667,36
Sendo assim, o custo até o intervalo 3, considerando a decisão de ligar a máquina 1 é:
𝐹𝑐𝑜𝑠𝑡 (2,3) = 𝑃𝑐𝑜𝑠𝑡 (2,3) + 𝑆𝑐𝑜𝑠𝑡 (1,2: 2,3) + 𝐹𝑐𝑜𝑠𝑡 (1,2)
𝐹𝑐𝑜𝑠𝑡 (2,3) = 13667,36 + 350 + 22113,92 = $ 36131,28
2) Por a unidade 4 em operação:
No caso da unidade 4, esta também poderá estar em operação no intervalo 3. O custo

de transição nesse caso será equivalente ao custo de partida a frio da unidade 4.
𝑆𝑐𝑜𝑠𝑡 (1,2: 3,3) = 0,02
Supondo que a decisão tenha sido ligar a unidade 4, o custo de produção no intervalo
3 seria:
𝑃𝑐𝑜𝑠𝑡 (3,3) = (684,74 + 300 × 19,74) × 1 + (585,62 + 250 × 20,34) × 1 + (252,00 + 50 × 28,00) = 13929,36
O custo até o intervalo 3, considerando que a decisão tenha sido ligar a unidade 4 é:
𝐹𝑐𝑜𝑠𝑡 (3,3) = 13929,36 + 0,02 + 22113,92 = $ 36043,30
Verifica-se que a decisão mais econômica é que a unidade 4 seja ligada para operar
no intervalo 4.
Intervalo 4:
No intervalo 4, a carga diminui para 540 MW, o que implica que a unidade 4 poderá
ser desligada. Verificando os próximos intervalos nota-se que a carga continua
decrescendo. Portanto, a melhor alternativa é, de fato, desligar a unidade 4. Sendo
assim, do intervalo 3 para o intervalo 4 não haverá custo de transição e o custo de
produção nesse intervalo será de:
29
𝑃𝑐𝑜𝑠𝑡 = (684,74 + 300 × 19,74) × 1 + (585,62 + 240 × 20,34) = $ 12073,36
O custo total até o intervalo 4 é:
𝐹𝑐𝑜𝑠𝑡 (1,4) = 12073,36 + 36043,30 = $ 48117,66
Intervalo 5:
No intervalo 5, a carga diminui para 400 MW. Novamente, as unidades 2 e 3 são

suficientes para suprir essa carga.
𝑃𝑐𝑜𝑠𝑡 (5,1) = (684,74 + 300 × 19,74) × 1 + (585,62 + 100 × 20,34) × 1 = $ 9226,36
𝐹𝑐𝑜𝑠𝑡 (1,5) = 9226,36 + 48117,66 = $ 57344,02
Intervalo 6:
No intervalo 6, a carga cai para 280 MW. Nessa condição há três possibilidades a
serem analisadas:
1) Desligar a unidade 2:
Essa alternativa não é possível, pois no intervalo 8 a carga sobe para 500 MW e,
portanto, a unidade 2 deverá ser ligada novamente. Como essa unidade apresenta um
tempo mínimo de partida de 5 horas, não há como satisfazer essa restrição.
2) Manter a unidade 2 aquecida, mas sem despachá-la:
𝑃𝑐𝑜𝑠𝑡 (4,6) = (684,74 + 280 × 19,74) × 1 = $ 6211,94
O custo de transição do intervalo 5 para o intervalo 6 equivale ao custo de manter a

unidade 2 operando sem carga, isto é:
𝑆𝑐𝑜𝑠𝑡 (1,5: 4,6) = 585,62
O custo final acumulado até o intervalo 6 é:
𝐹𝑐𝑜𝑠𝑡 (6,4) = 6211,94 + 585,62 + 57344,02 = $ 64141,58
3) Despachar a unidade 2 no mínimo:
𝑃𝑐𝑜𝑠𝑡 (1,6) = (684,74 + 220 × 19,74) × 1 + (585,62 + 60 × 20,34) × 1 = $ 6833,56

30
𝐹𝑐𝑜𝑠𝑡 (1,6) = 6833,56 + 57344,02 = $ 64177,58
Intervalo 7:
No intervalo 7, a carga sobe para 290 MW. Nesse caso, novamente, têm-se duas
possibilidades:
1) Manter a unidade 2 aquecida, mas sem despachá-la:
𝑃𝑐𝑜𝑠𝑡 (4,7) = (684,74 + 290 × 19,74) × 1 = $ 6409,34
Então, o custo até o intervalo 7 assumindo que a decisão anterior tenha sido manter a
unidade aquecida, mas sem despachá-la é:
𝐹𝑐𝑜𝑠𝑡 (4,7) = 6409,34 + 585,62 + 64141,58 = $ 71136,54
ou o custo até o intervalo 7 considerando que a decisão anterior foi manter a unidade
2 gerando no mínimo:
𝐹𝑐𝑜𝑠𝑡 (7,4) = 6409,34 + 64177,58 = $ 71172,54
2) Despachar a unidade 2 no mínimo:
𝑃𝑐𝑜𝑠𝑡 (1,7) = (684,74 + 230 × 19,74) × 1 + (585,62 + 60 × 20,34) × 1 = $ 7030,96
O custo até o intervalo 7, assumindo que a decisão anterior foi manter a unidade 2
aquecida, mas sem despachá-la é:
𝐹𝑐𝑜𝑠𝑡 (1,7) = 7030,96 + 170 + 64141,58 = $ 71342,54
ou o custo até o intervalo 7, considerando que a decisão anterior foi despachar a

unidade 2 no mínimo:
𝐹𝑐𝑜𝑠𝑡 (1,7) = 7030,96 + 64177,58 = $ 71208,54
Intervalo 8:
No intervalo 8, a carga sobe para 500 MW. Como as unidades 2 e 3 são capazes de
suprir essa carga, não é necessário por em operação uma nova unidade.
𝑃𝑐𝑜𝑠𝑡 (1,8) = (684,74 + 300 × 19,74) × 1 + (585,62 + 200 × 20,34) × 1 = $ 11260,36

31
Assumindo que a decisão anterior tenha sido manter a unidade 2 ligada, mas sem
despachá-la, tem-se:
𝐹𝑐𝑜𝑠𝑡 (1,8) = 11260,36 + 170 + 71136,54 = $ 82566,9
ou considerando que a decisão tenha sido manter a unidade 2 gerando no mínimo:
𝐹𝑐𝑜𝑠𝑡 (1,8) = 11260,36 + 71342,54 = $ 82602,90
Todos os possíveis caminhos para a solução do problema são apresentados na Figura

1.7.
Figura 1.7: Caminhos da solução via programação dinâmica.

32
5. COORDENAÇÃO HIDROTÉRMICA
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 afluências naturais
aos reservatórios, do maior ou menor grau de armazenamento de água nos mesmos,
etc. Em geral, a participação térmica é determinada de modo a propiciar o uso mais
racional 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 desperdício de energia hidráulica implicado por vertimento de
volumes de água turbináveis.
Para melhor tratar as incertezas associadas às afluências aos reservatórios e ao

crescimento da carga, o problema de programação da operação de sistemas
hidrotérmicos é, em geral, abordado em horizontes de tempo distintos. Quanto maior o
horizonte de planejamento, tanto menos detalhada e mais incerta é a programação.
Os horizontes usuais de planejamento da operação são os seguintes:
Programação de longo prazo: Considera o horizonte de cinco anos com intervalos

mensais para determinar as participações da geração hidráulica e térmica e o
intercâmbio de energia. Os reservatórios são agregados em um reservatório
equivalente.
Programação de médio prazo: Considera o horizonte de um ano com intervalos

semanais. Utiliza métodos de previsão de vazões para determinar as participações
hidráulica e térmica no atendimento da demanda.
Programação de curto prazo: Neste caso o horizonte é semanal com intervalos de

horas. Em geral, a abordagem é determinística, e aspectos energéticos, hidráulicos e
elétricos são considerados simultaneamente. Assim, a rede elétrica, os intercâmbios e
as características das unidades são todos representados.
O foco deste documento são estudos de curto prazo. Entretanto, para uma melhor
compreensão do processo de programação da operação hidrotérmica, a próxima
seção faz algumas considerações sobre os estudos de médio prazo.
5.1 Programação da Operação Hidrotérmica de 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 aperfeiçoamentos dos métodos
empíricos, utilizando modelos matemáticos que permitem analisar um grande
número de casos, dos quais se deduz uma solução (não necessariamente a ótima
global);
33
 Métodos precisos: Resolvem o problema por meio de técnicas de otimização, por

exemplo, programação dinâmica estocástica, necessitando, portanto, de modelos
matemáticos mais sofisticados.
Dentre os métodos utilizados no horizonte 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.
5.2 Estratégia Baseada na Curva Limite
Trata-se de uma estratégia 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
ocorrência de déficits.
A curva limite ilustrada na Figura 1.8 é obtida por meio de simulação da operação do
sistema para um dado ano hidrológico.
Figura 1.8: Curva limite para programação hidrotérmica de médio prazo.
Durante a operação ao longo do ano hidrológico procura-se acompanhar a curva

limite, ora aumentando-a, se o nível do reservatório está abaixo da curva limite. Com
isso procura-se evitar vertimento (desperdício) de água e o risco de déficit de
suprimento que resultaria da exaustão do volume útil armazenado. Essa técnica
conduz a uma expectativa elevada de atendimento, mas com altos custos de geração
térmica fora dos períodos secos.
34
5.3 Estratégia Baseada no Valor Marginal da Água
Neste caso, busca-se minimizar o custo total de atendimento da demanda, que inclui o
custo da geração térmica mais o custo do déficit. Em outras palavras, procura-se
operar com a geração térmica mínima nos períodos hidrológicos favoráveis e elevar a
geração térmica nos períodos com hidrologias adversas.
Para operacionalizar esta estratégia é necessário definir o valor marginal da água.

Esse valor 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, caracterizado por um nível de armazenamento e pela tendência hidrológica
(i.e., quando a expectativa de afluências é mais pessimista que o valor corrente). A
Figura 1.9 ilustra essa dependência.
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 marginal da água devem
operar no máximo, uma vez que é mais econômico que gerar com as usinas
hidráulicas. Por outro lado, as térmicas de custo marginal superior ao valor marginal
da água devem operar no mínimo.
Figura 1.9: Variação do valor marginal da água com a tendência hidrológica e o nível de
armazenamento do reservatório.
35
5.4 Planejamento da Operação Hidrotérmica de Curto Prazo
Nesta seção serão vistos dois problemas típicos de planejamento da operação

hidrotérmica no horizonte de curto prazo:
 Em sistemas hidrotérmicos nos quais há predominância de geração de origem

hidráulica, busca-se em geral minimizar os custos da geração térmica.
Frequentemente, estes problemas são do tipo de programação de energia, em que
há restrições energéticas para a geração hidráulica e, portanto, há a necessidade
de se operar as térmicas em subintervalos do horizonte de tempo de interesse.
 Em sistemas hidrotérmicos nos quais há equilíbrio entre as gerações de origem
térmica e hidráulica, ou em que a primeira predomina sobre a segunda, o objetivo
é minimizar os custos da geração térmica, porém, reconhecendo as diversas
restrições hidráulicas existentes.
5.4.1 Programação Hidrotérmica com Restrições de Energia Hidráulica
Considere o sistema formado por uma usina térmica (UTE) e uma usina hidrelétrica
(UHE) equivalentes alimentando uma carga, conforme ilustrado na Figura 1.10.
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 usina termelétrica 𝐹(𝑃𝑇 ). Além disso, considera-se que ambas as
potências geradas, assim como a carga, variam com o tempo ao longo do horizonte
considerado. O horizonte de análise com duração 𝑇𝑚𝑎𝑥 é dividido em 𝑗𝑚𝑎𝑥 intervalos,
os quais duram ℎ𝑗 horas.
Figura 1.10: Sistema hidrotérmico formado por uma usina térmica e uma usina hidrelétrica
equivalentes.
Ou, em termos matemáticos, pode-se dizer:

36
𝑗𝑚𝑎𝑥
(1.27)
𝑇𝑚𝑎𝑥 = ∑ ℎ𝑗
𝑗=1
As potências geradas e a carga, para cada intervalo 𝑗, são designadas por: 𝑃𝐻𝑗 , 𝑃𝑇𝑗 e
𝑃𝐿𝑗 .
No problema de programação hidrotérmica com restrição de energia, considera-se que

UHE tem capacidade suficiente para suprir a carga por um período limitado de tempo,
mas a energia de origem hidráulica disponível é insuficiente para alimentar a carga
durante todo o horizonte de análise. Em termos matemáticos, essa condição é
expressa pelas Equações (1.28) e (1.29).
𝑃𝐻𝑗 ≥ 𝑃𝐿𝑗 , 𝑗 = 1,2, ⋯ 𝑗𝑚𝑎𝑥 (1.28)
𝑗𝑚𝑎𝑥 𝑗𝑚𝑎𝑥
(1.29)
∑ 𝑃𝐻𝑗 × ℎ𝑗 ≤ ∑ 𝑃𝐿𝑗 × ℎ𝑗
𝑗=1 𝑗=1
O objetivo da programação de energia é utilizar toda a energia hidráulica disponível

durante o horizonte de tempo de modo a minimizar o custo de funcionamento das
térmicas. Da restrição energética dada por (1.29), verifica-se que a energia 𝐸 gerada
pelas térmicas durante o horizonte de tempo deve ser dada por:
(1.30)
𝐸 = ∑ 𝑃𝐿𝑗 × ℎ𝑗 − ∑ 𝑃𝐻𝑗 × ℎ𝑗
𝑗=1 𝑗=1
Além disso, não se exige que a térmica funcione durante todo o horizonte de análise
(𝑇𝑚𝑎𝑥 ). Sendo assim, seja 𝑁𝑇 o número de intervalos de operação da unidade térmica,
então:
𝑁𝑇
(1.31)
𝐸 = ∑ 𝑃𝑇𝑗 × ℎ𝑗
𝑗=1
e
37
𝑁𝑇
(1.32)
𝑇𝑇 ≜ ∑ ℎ𝑗 ≤ 𝑇𝑚𝑎𝑥
𝑗=1
O problema de coordenação hidrotérmica com restrição de energia pode, então, ser

formulado como:
𝑁𝑇
𝑀𝑖𝑛 𝐹𝑇 (𝑷 𝑇 ) = ∑ 𝐹 (𝑃𝑇𝑗 ) ℎ𝑗
𝑗=1
(1.33)
s.a:
𝑁𝑇
𝐸 − ∑ 𝑃𝑇𝑗 × ℎ𝑗 = 0
𝑗=1
Na equação anterior o vetor 𝑃, é composto por:
𝑷 𝑇 = [𝑃𝑇1 , 𝑃𝑇 2 , ⋯ 𝑃𝑇𝑁𝑇 ]
A função de Lagrange correspondente ao problema (1.33) é:
𝑁𝑇 𝑁𝑇
(1.34)
𝐿(𝑃𝑇 , 𝜇) = ∑ 𝐹 (𝑃𝑇𝑗 ) ℎ𝑗 + 𝜇 (𝐸 − ∑ 𝑃𝑇𝑗 × ℎ𝑗 )
𝑗=1 𝑗=1
Uma condição de otimalidade para o problema (1.33) é:
𝜕𝐿(𝑃𝑇 , 𝜇) 𝑑𝐹(𝑃𝑇𝑘 ) (1.35)

=0⇒ = 𝜇, 𝑘 = 1,2, ⋯ , 𝑁𝑇
𝜕𝑃𝑇𝑘 𝑑𝑃𝑇𝑘
Como 𝜇 é constante, a condição (1.35) implica que a UTE deve operar a custo
incremental constante durante todo o período de tempo em que está em operação.
Dada a natureza monotônica da função 𝐹(𝑃𝑇𝑘 ), isto significa que a potência gerada
pela UTE deve ser constante ao longo de todo o seu intervalo de funcionamento.
Seja, então, 𝑃𝑇∗ , o valor ótimo constante da geração térmica, isto é:
𝑃𝑇1 = 𝑃𝑇2 = ⋯ = 𝑃𝑇𝑁𝑇 = 𝑃𝑇∗ (1.36)

38
Da condição (1.32), tem-se que
𝑁𝑇 𝑁𝑇
(1.37)
𝐸 = ∑ 𝑃𝑇𝑗 × ℎ𝑗 = ∑ 𝑃𝑇∗𝑗 × ℎ𝑗 = 𝑃𝑇∗ × 𝑇𝑇
𝑗=1 𝑗=1
ou
𝐸 (1.38)
𝑇𝑇 =
𝑃𝑇∗
A Equação (1.36) permite também reescrever o custo total da térmica como:
𝑁𝑇
(1.39)
𝐹(𝑃𝑇 ) = 𝐹(𝑃𝑇∗ ) ∑ ℎ𝑗 = 𝐹(𝑃𝑇∗ ) × 𝑇𝑇
𝑗=1
Assumindo que a função custo de produção da térmica pode ser aproximada por uma
função quadrática do tipo
𝐹(𝑃𝑇∗ ) = 𝛾(𝑃𝑇∗ )2 + 𝛽𝑃𝑇∗ + 𝛼
Nota-se que a Equação (1.39) assume a forma
𝐹(𝑃𝑇∗ ) = [𝛾(𝑃𝑇∗ )2 + 𝛽𝑃𝑇∗ + 𝛼] × 𝑇𝑇
ou ainda, utilizando a Equação (1.38), tem-se
𝛾(𝑃𝑇∗ )2 + 𝛽𝑃𝑇∗ + 𝛼 𝛼𝐸 (1.40)

𝐹(𝑃𝑇 ) = [ ∗ ] 𝐸 = 𝛾𝐸𝑃𝑇∗ + 𝛽𝐸 + ∗
𝑃𝑇 𝑃𝑇
Observe que, essencialmente, os passos desde a Equação (1.34) até (1.40)

correspondem à interpretação da restrição (1.31) e a avaliação do impacto desta
interpretação sobre a função objetivo do problema (1.33). Esse problema pode ser
reduzido ao seguinte problema de otimização sem restrições:
𝛼𝐸
min 𝐹𝑇 (𝑃𝑇 ) = 𝛾𝐸𝑃𝑇∗ + 𝛽𝐸 +
𝑃𝑇∗
cuja solução é obtida de

39
𝑑𝐹𝑇 𝛼𝐸
= 𝛾𝐸 − ∗ 2 = 0
𝑑𝑃𝑇∗ (𝑃𝑇 )
Logo,
𝛼 (1.41)
𝑃𝑇∗ = √
𝛾
A Equação (1.41) indica que o despacho ótimo da térmica independe de 𝐸 e

corresponde ao ponto mais eficiente de operação da UTE. Conclui-se que a solução
ótima para o problema de despacho de energia requer que a UTE seja despachada a
potência constante durante todo o seu período de funcionamento. A princípio, a UTE
pode iniciar sua operação a qualquer instante do horizonte de tempo entre 𝑡 = 0 e
𝑡 = 𝑇𝑚𝑎𝑥 − 𝑇𝑇 . Entretanto, convém que a entrada em operação seja logo no início do
horizonte de análise, pois qualquer alteração de previsão, seja de demanda, seja de
disponibilidade hidrelétrica, deverá ser atendia via maior ou menor participação
térmica. Para isso, basta estender ou reduzir o tempo de utilização da térmica em sua
potência de máxima eficiência. A Figura 1.11 ilustra essas considerações.
Figura 1.11: Curva de carga e participação térmica e hidráulica num problema de programação
com restrição energética.
Exemplo 5.1:
Uma UHE e uma UTE devem alimentar uma carga constante de 90 MW por uma
semana (168 horas). As características das unidades são dadas a seguir:
UHE 𝑄(𝑃𝐻) = 300 + 15𝑃𝐻 [𝑑𝑎𝑚3 /ℎ] 0 ≤ 𝑃𝐻 ≤ 100 [MW]

UTE 𝐹(𝑃𝑇) = 0,0213𝑃𝑇2 + 11,27𝑃𝑇 + 53,25 [$/h] 12,5 𝑃𝑇 < 50 [MW]
Supondo que a usina hidrelétrica é limitada a gerar 10 GWh, por quanto tempo deve
funcionar a UTE e qual deve ser o seu despacho?
40
Solução:
A energia solicitada pela carga durante a semana é:
90 MW × 168 h = 15120 MWh
Logo a energia térmica que deverá ser gerada é:
𝐸 = 15120 − 10000 = 5120 MWh
A geração térmica ótima pode ser obtida da equação (1.41):
𝛼 53,25
𝑃𝑇 = √ = √ = 50 MW
𝛾 0,0213
Por fim, o tempo de funcionamento da UTE é dado por:
𝐸 5120
𝑇𝑇 = = = 102,4 h
𝑃𝑇 50
Exemplo 5.2:
Suponha agora que o limite de energia para a UHE do Exemplo 1 seja expresso em
termos do volume de água pelo qual o reservatório da usina pode ser deplecionado
durante a semana. Supondo que o máximo deplecionamento admissível seja de
250.000 dam3 para a semana e que os demais dados do Exemplo 1 permaneçam os
mesmos, por quanto tempo a térmica deve funcionar?
Solução:
No Exemplo 1 foi determinado que a UTE deve gerar 50 MW, independentemente do

valor de 𝐸. Consequentemente, a UHE deverá gerar os 40 MW restantes no período
em que a UTE estiver em operação. A vazão neste período será:
𝑞1 = 300 + 15 × 40 = 900 dam3 /h
Logo, o volume turbinado nesse período será: 𝑉1 = 900 × 𝑇𝑇 .
Quando apenas a UHE estiver operando, tem-se:
𝑞2 = 300 + 15 × 90 = 1650 dam3 /h
𝑉2 = 1650 × (168 − 𝑇𝑇 )
Como (𝑉1 + 𝑉2 ) está limitado a 250.000 dam3, tem-se:
900 × 𝑇𝑇 + 1650 × (168 − 𝑇𝑇 ) = 250000
Resolvendo essa equação, chega-se a:
𝑇𝑇 = 36,27 h
41
5.4.2 Programação Hidrotérmica Considerando as Perdas na

Transmissão
Outro problema de coordenação hidrotérmica de muito interesse prático é aquele em

que se requer que um dado volume de água seja utilizado para minimizar o custo de
operação das térmicas, que neste caso são supostas operar durante todo o horizonte
de tempo de estudo, uma vez 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 restrições
de energia abordado na Subseção 5.4.1.
Para apresentar o problema, será considerado um sistema formado por uma UTE e
uma UHE equivalentes. Há um máximo volume de água que pode ser turbinado ao
longo do período 𝑇𝑚𝑎𝑥 horas, definido com base nos estudos de planejamento da
operação de médio prazo. Será também suposta a ausência de vertimento e ainda que
a altura da coluna de água no reservatório permanece aproximadamente constante ao
longo do horizonte de estudo. Esta última hipótese implica que a potência produzida
pela UHE depende essencialmente da vazão turbinada. Sendo assim, é possível
expressar a vazão 𝑞 no intervalo 𝑗 como uma função da potência hidrelétrica gerada
𝑃𝐻𝑗 .
Seja 𝑉𝑇𝑜𝑡 o volume disponível para ser turbinado durante o horizonte 𝑇𝑚𝑎𝑥 horas, que
como antes, é dividido em 𝑗𝑚𝑎𝑥 intervalos, sendo que 𝑗 = 1, 2, . . . , 𝑗𝑚𝑎𝑥 , tem duração
de ℎ𝑗 horas. O problema de programação hidrotérmica de curto prazo pode, então, ser
formulado como:
𝑗𝑚𝑎𝑥
min 𝐹𝑇 (𝑷 𝑇 ) = ∑ 𝐹 (𝑃𝑇𝑗 ) ℎ𝑗
𝑗=1
s.a: (1.42)
𝑗𝑚𝑎𝑥
∑ ℎ𝑗 𝑞 (𝑃𝐻𝑗 ) = 𝑉𝑇𝑜𝑡
𝑗=1
𝑃𝐿𝑗 + 𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑗 − 𝑃𝐻𝑗 − 𝑃𝑇𝑗 = 0, 𝑗 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
Na equação anterior, 𝑃𝐿𝑗 é a carga do sistema no intervalo 𝑗 e 𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑗 representa as

perdas na 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 (1.27).
A função de Lagrange relativa ao problema (1.42) é dada por:

42
(1.43)
𝐿(𝑷 𝑇 , 𝑷𝐻 , 𝝀, 𝜇) = ∑ [𝐹 (𝑃𝑇𝑗 ) ℎ𝑗 + 𝜆𝑗 (𝑃𝐿𝑗 + 𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑗 − 𝑃𝐻𝑗 − 𝑃𝑇𝑗 )] + 𝜇 [ ∑ ℎ𝑗 𝑞 (𝑃𝐻𝑗 ) − 𝑉𝑇𝑜𝑡 ]
𝑗=1 𝑗=1
em que
𝑇
𝑷 𝑇 = [𝑃𝑇1 , 𝑃𝑇2 , ⋯ 𝑃𝑇𝑗𝑚𝑎𝑥 ]
𝑇
𝑷𝐻 = [𝑃𝐻1 , 𝑃𝐻2 , ⋯ , 𝑃𝐻𝑗𝑚𝑎𝑥 ]
𝜆𝑗 , 𝑗 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥 são os multiplicadores de Lagrange associados às restrições de

balanço de potência ativa em cada intervalo de tempo, e 𝜇 é o multiplicador de
Lagrange associado à restrição de volume.
Note que a restrição de volume é apenas uma, mas envolve todas as potências
geradas na UHE em cada intervalo de tempo 𝑗. Pelo fato de envolver todos os
intervalos do horizonte de tempo estudado, esse tipo de restrição é chamado de
restrição intertemporal.
As condições necessárias para a solução ótima do problema (1.42) em um dado

intervalo 𝑘 são:
𝜕𝐿 𝑑𝐹(𝑃𝑇𝑘 ) 𝜕𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑘 (1.44)

= ℎ𝑘 − 𝜆𝑘 (1 − ) = 0, 𝑘 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
𝜕𝑃𝑇𝑘 𝑑𝑃𝑇𝑘 𝜕𝑃𝑇𝑘
𝜕𝐿 𝑑𝑞(𝑃𝐻𝑘 ) 𝜕𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑘 (1.45)

= ℎ𝑘 𝜇 − 𝜆𝑘 (1 − ) = 0, 𝑘 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
𝜕𝑃𝐻𝑘 𝑑𝑃𝐻𝑘 𝜕𝑃𝐻𝑘
As equações (1.44) e (1.45) podem ser reescritas como:
1 𝑑𝐹(𝑃𝑇𝑘 ) (1.46)
( 𝜕𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑘
) ℎ𝑘 = 𝜆𝑘 , 𝑘 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
1− 𝑑𝑃𝑇𝑘
𝜕𝑃𝑇𝑘
1 𝑑𝑞(𝑃𝐻𝑘 ) (1.47)
( 𝜕𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑘
) ℎ𝑘 𝜇 = 𝜆𝑘 , 𝑘 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
1− 𝑑𝑃𝐻𝑘
𝜕𝑃𝐻𝑘
As Equações (1.46) e (1.47) são chamadas equações de coordenação hidrotérmica.

43
Supondo inicialmente um caso particular em que as perdas na transmissão são

desprezadas e que também os intervalos de tempo são de igual duração, isto é,
ℎ𝑗 = ℎ, 𝑗 = 1, 2, ⋯ 𝑗𝑚𝑎𝑥 .
Neste caso, as Equações (1.46) e (1.47) se tornam:
𝑑𝐹(𝑃𝑇𝑘 ) (1.48)
ℎ = 𝜆𝑘 , 𝑘 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
𝑑𝑃𝑇𝑘
𝑑𝑞(𝑃𝐻𝑘 ) (1.49)
ℎ𝜇 = 𝜆𝑘 , 𝑘 = 1,2, ⋯ , 𝑗𝑚𝑎𝑥
𝑑𝑃𝐻𝑘
Adicionalmente, supondo que a função 𝑞(𝑃𝐻 ) possa ser aproximada por
𝑞(𝑃𝐻 ) = 𝑎𝑃𝐻𝑗 + 𝑏
𝑑𝑞
de tal modo que (𝑑𝑃 ) = 𝑎 = constante, vê-se da Equação (1.49) que, sob as
𝐻𝑗
hipóteses consideradas, 𝜆𝑘 será constante ao longo de todos os intervalos de tempo.

Levando este resultado à Equação (1.48), facilmente conclui-se que as térmicas
deverão operar com custos incrementais constantes, o que por sua vez implica em
que as potências geradas pelas térmicas serão igualmente constantes durante todo o
horizonte de estudo.
Esta versão simplificada da coordenação hidrotérmica também possibilita uma

interpretação bastante útil do multiplicador de Lagrange 𝜇. Para tanto, é válido
relembrar a relação entre a função de consumo 𝐻 e a função custo de produção 𝐹,
dada por:
𝐹(𝑃𝑇 ) = 𝑐𝑓 × 𝐻(𝑃𝑇 )
em que 𝑐𝑓 é o custo do combustível. Substituindo essa relação na Equação (1.48),

obtém-se:
𝑑𝐻(𝑃𝑇𝑘 ) (1.50)
ℎ𝑐𝑓 = 𝜆𝑘
𝑑𝑃𝑇𝑘
Comparando as Equações (1.49) e (1.50) 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 𝜇,
medida em $/dam3, deve ter um papel análogo a 𝑐𝑓 , expresso em $/MBtu. Então, a
variável 𝜇 representa o valor marginal da água.
44
Considerando dois volumes de água disponíveis para serem turbinados por uma UHE
sob as mesmas condições, 𝑉𝑇𝑜𝑡1 e 𝑉𝑇𝑜𝑡2, 𝑉𝑇𝑜𝑡1 > 𝑉𝑇𝑜𝑡2, pode-se esperar que, se 𝜇1 e
𝜇2 são valores marginais da água correspondentes, então, 𝜇1 < 𝜇2 .
É importante salientar que as conclusões anteriores também pressupõem que nenhum

limite de geração foi atingido.
Exemplo 5.3:
Uma carga deve ser alimentada durante 24 horas por uma UHE e uma UTE cujas
características são dadas a seguir:
Tabela 1.12: Parâmetros dos geradores do exemplo 5.3.

Usina Função Limites
3
UHE 𝑞(𝑃𝐻 ) = 330 + 4,97𝑃𝐻 [dam /h] 0 ≤ 𝑃𝐻 ≤ 1000 MW
UTE 𝐹(𝑃𝑇 ) = 575 + 9,2𝑃𝑇 + 0,00184𝑃𝑇2 [$/MWh] 150 ≤ 𝑃𝑇 ≤ 1500 MW
Os efeitos das perdas na transmissão são considerados desprezíveis, o máximo

volume a ser turbinado é de 100.000 dam3 e a carga varia conforme se mostra a
seguir:
Tabela 1.13: Dados da carga do exemplo 5.3.
Período Carga (MW)

00:00 – 12:00 1200
12:00 – 24:00 1500
Determine os despachos da UHE e da UTE ao longo do período, bem como os custos

marginais de energia do sistema e o custo marginal da água.
Solução:
Sabe-se que ℎ1 = ℎ2 = 12 horas. Como as perdas são desprezadas, podem-se

aplicar as conclusões da subseção 4.2.2 e, portanto, 𝑃𝑇1 = 𝑃𝑇2 = 𝑃𝑇 .
Das equações de balanço de potência, tem-se que:
𝑃𝐻1 + 𝑃𝑇 = 1200 ⇒ 𝑃𝐻1 = 1200 − 𝑃𝑇
𝑃𝐻2 + 𝑃𝑇 = 1500 ⇒ 𝑃𝐻2 = 1500 − 𝑃𝑇
Da equação da restrição de volume, tem-se
ℎ1 × 𝑞(𝑃𝐻1 ) + ℎ2 × 𝑞(𝑃𝐻2 ) = 𝑉𝑇𝑜𝑡
Como ℎ1 = ℎ2 = 12, vem
12[330 + 4,97(1200 − 𝑃𝑇 ) + 330 + 4,97(1500 − 𝑃𝑇 )] = 100.000

45
Resolvendo a equação anterior encontra-se:
𝑃𝑇 = 577,9 MW
e consequentemente:
𝑃𝐻1 = 1200 − 𝑃𝑇 = 622,1 MW
𝑃𝐻2 = 1500 − 𝑃𝑇 = 922,1 MW
Os multiplicadores de Lagrange das equações de balanço de energia podem ser

obtidos por:
𝑑𝐹(𝑃𝑇𝑘 )
𝜆1 = 𝜆2 = ℎ = 12 × (9,2 + 0,00368 × 577,9) = 135,92 $/MW
𝑑𝑃𝑇𝑘
E o custo marginal da água é obtido por:
𝑑𝑞(𝑃𝐻𝑘 )
𝜇ℎ = 𝜆 ⇒ 12 × 4,97 × 𝜇 = 135,92
𝑑𝑃𝐻𝑘
Logo, 𝜇 = 2,28 $/dam3 .
Exercício:
Considere o sistema termelétrico composto por uma UTE e uma UHE (equivalentes)
cujos dados são mostrados a seguir.
Tabela 1.14: Parâmetros dos geradores.

Usina Funções Limites
UTE 𝐹(𝑃𝑇 ) = 0,008𝑃𝑇2 + 8,0𝑃𝑇 + 500 [$/h] 100 ≤ 𝑃𝑇 ≤ 625
UHE 𝑞(𝑃𝐻 ) = 200 + 10𝑃𝐻 [dam3 /h] 0 ≤ 𝑃𝐻 ≤ 220
A carga do sistema varia conforme os dados a seguir.
Tabela 1.15: Dados da carga.

Período Carga (MW)
00:00 – 08:00 600
08:00 – 16:00 700
16:00 – 24:00 500
Sabe-se que a UHE conta com um reservatório com capacidade de 33600 dam3 que
pode ser utilizado ao longo do dia. Determine o despacho da UTE e da UHE, bem
como os custos marginais de energia e da água.
46
5.4.3 Programação Hidrotérmica via Método Computacional
No caso geral em que as perdas de transmissão não podem ser desprezadas, a

solução das equações de coordenação hidrotérmica (1.46) e (1.47) juntamente com as
restrições de balanço de energia e volume do problema (1.42) forma um conjunto de
(6 × 𝑗𝑚𝑎𝑥 + 1) equações não-lineares para determinar igual número de incógnitas.
Será apresentado a seguir um algoritmo computacional para resolver este problema.
O método computacional apresentado a seguir consiste em três laços: o mais interno é

um laço iterativo que ajusta os multiplicadores de Lagrange para obter uma solução
das equações de coordenação hidrotérmica e da equação de balanço de potência; o
laço intermediário serve apenas para incrementar os intervalos de tempo até esgotar o
horizonte de tempo estudado; finalmente, o laço mais externo ajusta iterativamente o
multiplicador de Lagrange da restrição de volume.
Novamente, será assumido que a função 𝐹(𝑃𝑇 ) é do tipo: 𝛾𝑃𝑇2 + 𝛽𝑃𝑇 + 𝛼 e que a
função 𝑞(𝑃𝐻 ) é do tipo: 𝑎𝑃𝐻 + 𝑏. No caso das perdas na transmissão será assumido
que as perdas se relacionam com as potências hidráulica e térmica geradas, por meio
da equação (1.51).
𝑃𝑝𝑒𝑟𝑑𝑎𝑠 = 𝜏𝐻 𝑃𝐻2 + 𝜏 𝑇 𝑃𝑇2 (1.51)
Levando a função 𝐹(𝑃𝑇 ) e função das perdas para a equação (1.44), e isolando o
termo 𝑃𝑇𝑗 , chega-se a:
𝜆𝑗 − 𝛽ℎ𝑗 (1.52)
𝑃𝑇𝑗 =
2(𝛾ℎ𝑗 + 𝜏 𝑇 𝜆𝑗 )
Procedendo de modo semelhante para a equação (1.45), chega-se a:
𝜆𝑗 − 𝑎ℎ𝑗 𝜇 (1.53)
𝑃𝐻𝑗 =
2𝜏𝐻 𝜆𝑗
Levando as equações (1.52) e (1.53) para a restrição do balanço de potência:
𝜆𝑗 − 𝛽ℎ𝑗 𝜆𝑗 − 𝑎ℎ𝑗 𝜇 (1.54)

𝑓(𝜆𝑗 ) = 𝑃𝐿𝑗 + 𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑗 − [ ]−( )=0
2(𝛾ℎ𝑗 + 𝜏 𝑇 𝜆𝑗 ) 2𝜏𝐻 𝜆𝑗
Por fim, substituindo 𝑃𝐻 𝑗 na função da restrição de volume, tem-se:

47
𝑗𝑚𝑎𝑥
𝜆𝑗 − 𝑎ℎ𝑗 𝜇 (1.55)
𝑓(𝜇) = 𝑉𝑇𝑜𝑡 − ∑ 𝑎 ( )+𝑏 =0
2𝜏𝐻 𝜆𝑗
𝑗=1
As equações (1.52) a (1.54) podem ser utilizadas iterativamente para determinar a

solução ótima do problema de programação hidrotérmica de curto prazo, seguindo-se
os passos do algoritmo apresentado a seguir.
Passos do algoritmo:
1. Inicializar as variáveis: 𝜆, 𝜇, 𝜀1 e 𝜀2 ;
2. Inicializar o contador de intervalos: 𝑗 = 1;
3. Determinar as potências hidráulica e térmica, utilizando as Equações (1.52) e
(1.53).
4. Verificar os limites inferior e superior das variáveis 𝑃𝑇𝑗 e 𝑃𝐻𝑗 , caso estejam fora
dos limites fazer a variável que violou igual ao limite violado;
5. Verificar a equação do balanço de potência: |𝑓(𝜆)| ≤ 𝜀1 . Em caso afirmativo,
prosseguir para o passo 6, senão atualizar o valor de 𝜆𝑗 e retornar ao passo 3.
6. Calcular 𝑞𝑗 (𝑃𝐻𝑗 );
7. Se 𝑗 = 𝑗𝑚𝑎𝑥 , iir para o passo 8, senão fazer 𝑗 = 𝑗 + 1 e retornar ao passo 3;

𝑗
𝑚𝑎𝑥
8. Verificar se a restrição de volume é atendida: |𝑉𝑇𝑜𝑡 − ∑𝑗=1 (ℎ𝑗 𝑞(𝑃𝐻𝑗 ))| ≤ 𝜀2 . Se
a restrição foi satisfeita, encerrar o processo iterativo; senão atualizar o valor

de 𝜇 e voltar ao passo 2.
O valor de 𝜆 é atualizado seguindo-se o processo a seguir.
𝑎𝑛𝑡𝑖𝑔𝑜
𝜆𝑗𝑛𝑜𝑣𝑜 = 𝜆𝑗 + Δ𝜆𝑗 (1.56)
sendo ∆𝜆𝑗 dado por:
𝑓(𝜆𝑗 )
Δ𝜆𝑗 = − (1.57)
𝑓′(𝜆𝑗 )
Na equação (1.57), 𝑓′(𝜆𝑗 ) representa a derivada da função dada em (1.54) em

relação à 𝜆𝑗 .
48
ℎ𝑗 (𝛾 + 𝛽𝜏 𝑇 ) 𝑎ℎ𝑗 𝜇𝜏𝐻
𝑓 ′ (𝜆𝑗 ) = − 2 − 2 (1.58)
2(𝛾ℎ𝑗 + 𝜏 𝑇 𝜆𝑗 ) 2(𝜆𝑗 𝜏𝐻 )
De modo semelhante, o valor de 𝜇 pode ser atualizado a cada iteração.
𝜇𝑛𝑜𝑣𝑜 = 𝜇 𝑎𝑛𝑡𝑖𝑔𝑜 + 𝛥𝜇 (1.59)
sendo Δ𝜇 dado por:
𝑓(𝜇)
𝛥𝜇 = − (1.60)
𝑓′(𝜇)
Derivando a função dada em (1.55) em relação a variável 𝜇, obtém-se:
𝑗𝑚𝑎𝑥
𝑎2 ℎ𝑗
𝑓 ′ (𝜇) = ∑ (1.61)
2𝜏𝐻 𝜆𝑗
𝑗=1
Exemplo 5.4:
Reconsidere o Exemplo 5.3, agora supondo que a UHE está localizada a certa
distância da carga, tal que as perdas na transmissão são significativas e
dependem apenas de 𝑃𝐻 , sendo dadas por:
𝑃𝑝𝑒𝑟𝑑𝑎𝑠𝑗 = 8 × 10−5 𝑃𝐻2𝑗 , 𝑗 = 1,2, ⋯ 𝑗𝑚𝑎𝑥
Encontre os novos despachos da UHE e da UTE, bem como os multiplicadores de

Lagrange e as perdas na transmissão.
Solução:
Considerando 𝜆10 = 𝜆02 = 135,92 e 𝜇0 = 2,28, como a estimativa inicial para as

variáveis. Como tolerância, adotou-se o valor 10-3 MW para o desvio de potência
ativa e 5 dam3 para o desvio de volume.
O problema foi resolvido utilizando-se um programa desenvolvido em Matlab, o

qual é apresentado no Anexo. Os resultados obtidos são mostrados na Tabela
1.16, a seguir.
49
Tabela 1.16: Resultados do Exemplo 5.4.

Dur. Carga PH PT λ Perdas 3 q Custo
Inter. µ($/dam ) 3
(h) (MW) (MW) (MW) ($/MW) (MW) (dam /h) ($)
1 12 1200 668,3 567,4 135,458 35,73 2,028 3651,5 76653,7
2 12 1500 875,6 685,7 140,700 61,33 2,028 4681,7 92988,9
5.4.4 Coordenação Hidrotérmica via Programação Dinâmica
Com o propósito de explicar a aplicação da programação dinâmica à solução do

problema de despacho hidrotérmico será considerado um sistema simplificado,
composto por uma unidade térmica e uma unidade hidrelétrica equivalentes. Para tal,
considere o modelo simplificado de um sistema hidrelétrico apresentado na Figura
1.12.
Figura 1.12: Modelo hidrotérmico utilizado na programação dinâmica.
Sejam as seguintes variáveis do problema:
𝑟𝑗 – vazão afluente durante o período 𝑗;
𝑠𝑗 – vazão vertida durante o período 𝑗;
𝑉𝑗 – volume armazenado ao final do período 𝑗;
𝑞𝑗 – vazão turbinada durante o período 𝑗;
𝑃𝐻 𝑗 – potência hidrelétrica gerada durante o período 𝑗;
𝑃𝑇 𝑗 – potência termelétrica gerada durante o período 𝑗;
𝑃𝐿 𝑗 – potência da carga no período 𝑗;
𝐹𝑗 – função custo de produção no período 𝑗;

50
A restrição operacional da usina hidrelétrica é dada sob a forma de volumes, sendo

que no instante 𝑗 = 0 tem-se o volume 𝑉0 e ao final do período de operação (𝑗 =
𝑗𝑚𝑎𝑥 ), deseja-se ter o volume 𝑉𝑗𝑚𝑎𝑥 .
Para a central termelétrica assume-se que o custo de produção é uma função

polinomial de segunda ordem da potência térmica produzida (𝐹(𝑃𝑇 ) = 𝛾𝑃𝑇2 + 𝛽𝑃𝑇 + 𝛼).
Também para a central hidrelétrica será assumido que a vazão turbinada é uma
função polinomial da potência hidrelétrica gerada (𝑞(𝑃𝐻 ) = 𝑎𝑃𝐻 + 𝑏).
Se cada intervalo 𝑗 tem duração de ℎ𝑗 horas, o volume armazenado ao final do

intervalo 𝑗 é dado por:
𝑉𝑗 = 𝑉𝑗−1 + ℎ𝑗 × (𝑟𝑗 − 𝑞𝑗 − 𝑠𝑗 ) (1.62)
Assumindo que não haverá vertimento, ou seja, 𝑠𝑗 = 0. Sejam 𝑉𝑖 = 𝑉𝑗−1 e 𝑉𝑘 = 𝑉𝑗 os

volumes no início e ao final do intervalo 𝑗, respectivamente. Então, tem-se que:
(𝑉𝑖 − 𝑉𝑘 )
𝑞𝑗 = + 𝑟𝑗 (1.63)
ℎ𝑗
em que a vazão 𝑞𝑗 deve ser maior que zero e menor que uma vazão máxima (𝑞𝑗𝑀𝑎𝑥 ),
correspondente à capacidade máxima de geração da usina hidrelétrica.
O problema de coordenação hidrotérmica consiste em determinar o menor custo de

produção para atender à carga no período especificado, obedecendo às restrições
energéticas do sistema hidrelétrico, definidas pela capacidade mínima e máxima de
armazenamento.
Então, sejam:
{𝑖} – estado/condição de volume no início do intervalo 𝑗;
{𝑘} – estado/condição de volume ao final do intervalo 𝑗;
𝑇𝐶𝑘 (𝑗) – custo de produção acumulado até o final do intervalo 𝑗;
𝑃𝐶(𝑖, 𝑗 − 1: 𝑘, 𝑗) – custo de produção para ir do intervalo 𝑗 − 1 no estado de volume 𝑖

para o intervalo 𝑗 no estado de volume 𝑘.
O algoritmo de programação dinâmica é muito simples. Basta que a cada intervalo

sejam determinados os custos de produção para diferentes estados de
armazenamento. A solução final é a trajetória que resulta no menor custo de produção
acumulado ao longo do período. Então,
51
𝑇𝐶𝑘 (0) = 0
(1.64)
𝑇𝐶𝑘 (𝑗) = 𝑚𝑖𝑛[𝑇𝐶𝑖 (𝑗 − 1) + 𝑃𝐶(𝑖, 𝑗 − 1: 𝑘, 𝑗)]
Exemplo 5.5:
Considere um sistema hidrotérmico composto por uma unidade térmica e uma unidade
hidrelétrica cujos dados são apresentados a seguir:
Tabela 1.17: Dados das usinas do exemplo 5.5.

Usina Parâmetros
UTE 𝐹(𝑃𝑇 ) = 0,0005𝑃𝑇2 + 4,8𝑃𝑇 + 700 [$/h] 200 ≤ 𝑃𝑇 ≤ 1200 [MW]
UHE 𝑞(𝑃𝐻 ) = 10𝑃𝐻 + 260 [𝑑𝑎𝑚3 /ℎ] 0 ≤ 𝑃𝐻 ≤ 260 [MW]
O volume inicial é de 10.000 dam3 e deseja-se que ao final do período de operação o

volume final seja também de 10.000 dam3. Os limites mínimo e máximo de
armazenamento são, respectivamente, 6.000 dam3 e 18.000 dam3.
A curva de carga e a vazão afluente para um período de 24 horas são dadas a seguir:
Tabela 1.18: Valores da carga e vazão afluente para o exemplo 5.5.

Período Carga (MW) r (dam3/h)
1 600 1000
2 1000 1000
3 900 1000
4 500 1000
5 400 1000
6 300 1000
Solução:
Para solucionar esse problema, consideram-se inicialmente sete estados de volume

iniciando em 6.000 dam3 até 18.000 dam3 em passos de 2.000 dam3, conforme
ilustrado na Figura 1.13.
52
Figura 1.13: Trajetórias para o problema de programação dinâmica.
Então, partindo do volume inicial de 10.000 dam3, tem-se:
(𝑉0 − 𝑉1 ) (10.000 − 6.000)

𝑞𝑗 = + 𝑟1 = + 1.000 = 2.000 dam3 /h
ℎ𝑗 4
Para a vazão de 2.000 dam3/h tem-se a geração hidrelétrica de:
𝑞1 − 260 2.000 − 260

𝑃𝐻1 = = = 174 MW
10 10
Conhecido o valor da geração hidrelétrica para o primeiro intervalo, e sabendo o valor

da carga, determina-se o valor da geração térmica.
𝑃𝑇1 = 𝑃𝐿1 − 𝑃𝐻1 = 600 − 174 = 426 MW
Finalmente, com o valor da geração térmica, determina-se o custo de produção para o

intervalo 1.
𝐹1 (𝑃𝑇1 ) = 0,0005𝑃𝑇21 + 4,8𝑃𝑇 + 700
𝐹1 (426) = 2834,538 $/h
Logo, o custo de produção para sair do início do intervalo 1, no estado 3 de volume (𝑉0
= 10.000 dam3) e ir para o final do intervalo 1, no estado de volume 1 (𝑉1 = 6.000
dam3) é dado por:
𝑃𝐶(3,0: 1,1) = ℎ1 × 𝐹1 = 4 × 2834,538 = 11342,152 $
O custo acumulado até o final do primeiro intervalo para o estado de volume 1 é:
𝑇𝐶1 = 11342,152 $
53
Realizando-se os cálculos para os demais estados de volume e intervalos, chega-se a

solução ótima, esquematicamente representada na Figura 1.14, para a qual o custo
acumulado até o final do intervalo 6 é de $ 81.738,8.
Figura 1.14: Solução ótima.
6. FLUXO DE POTÊNCIA ÓTIMO
Os sistemas elétricos de potência têm se tornado cada vez mais interligados e

extensos, abrangendo grandes áreas e atendendo demandas cada vez maiores. A
intensificação desse processo, somada a fatores como a desregulamentação do setor
e a contínua incorporação de novas tecnologias de equipamentos tem aumentado
consideravelmente a complexidade operacional dos sistemas de potência. Esses fatos
têm sinalizado a necessidade de aprimoramento dos métodos dedicados ao
planejamento e controle da operação, que propiciem ações seguras, tanto do ponto de
vista técnico quanto econômico.
O fluxo de potência ótimo (FPO) é uma opção diante à necessidade de desenvolver

uma ferramenta mais inteligente e eficiente que proporcione aos planejadores do
sistema habilidades para analisar problemas complexos que envolvem múltiplas
variáveis e alternativas soluções.
Em linhas gerais, o problema de FPO consiste na otimização de uma função objetivo

(e.g.: minimização do custo de operação) enquanto que simultaneamente um conjunto
de restrições físicas e operacionais impostas pelas limitações dos equipamentos e
exigências de segurança em um sistema de potência é atendido.
54
6.1 Formulação do Problema
O problema de FPO é caracterizado como um problema de otimização não linear com

restrições, o qual pode ser matematicamente formulado como se segue.
min 𝑓(𝑥)
s.a:
(1.65)
𝑔(𝑥) = 0
ℎ(𝑥) ≤ 0
𝑙≤𝑥≤𝑢
em que:
𝑥 – vetor de variáveis de estado do sistema;
𝑔(𝑥) – restrições de igualdade;
ℎ(𝑥) – restrições de desigualdade;
𝑙, 𝑢 – limites inferior e superior dos controles.
As restrições de igualdade correspondem à modelagem da rede (equações de balanço

de potência ativa e reativa em cada nó da rede), enquanto que as restrições de
desigualdade representam os limites das variáveis do sistema (restrições funcionais
dos equipamentos e operacionais do sistema).
6.1.1 Restrições de Igualdade
As restrições de igualdade básicas do FPO correspondem às equações do balanço de

potências ativa e reativa do fluxo de potência A.C. Contudo, cada problema a ser
estudado é um caso particular, tendo um objetivo específico. Dependendo do tipo de
aplicação, novas restrições ou equações podem ser acrescentadas, como aquelas
relativas ao intercâmbio de potência entre áreas.
As principais restrições de igualdade utilizadas em problemas de FPO são

apresentadas a seguir em sua forma geral.
Equação de Balanço de Potência Ativa:
∑ 𝑃𝑖𝑗 = 𝑃𝐺𝑖 − 𝐹𝐶𝑖 × (𝐴𝑖 − 𝐵𝑖 𝑉𝑖 + 𝐶𝑖 𝑉𝑖2 ) × 𝑃𝐿𝑖 + 𝑃𝐴𝑖 (1.66)

𝑗∈Ω𝑖
em que:
55
Ω𝑖 – conjunto de barras ligadas à barra 𝑖;
𝑃𝑖𝑗 – fluxo de potência ativa da barra 𝑖 para a barra 𝑗;
𝑃𝐺𝑖 – potência ativa gerada na barra 𝑖;
𝐹𝐶𝑖 – fator de carga (em pu) na barra 𝑖;
𝐴𝑖 – parcela da carga do tipo potência constante;
𝐵𝑖 – parcela da carga que varia linearmente com a tensão;
𝐶𝑖 – parcela da carga que varia com o quadrado da tensão;
𝑃𝐿𝑖 – carga ativa na barra 𝑖;
𝑉𝑖 – módulo da tensão na barra 𝑖;
𝑃𝐴𝑖 – injeção de potência ativa na barra 𝑖.
Equação de Balanço de Potência Reativa:
∑ 𝑃𝑖𝑗 = 𝑄𝐺𝑖 + 𝑄𝐶𝑖 − 𝑄𝐼𝑖 + 𝑉𝑖2 𝑏𝑖𝑠ℎ − 𝐹𝐶𝑖 × (𝐷𝑖 − 𝐹𝑖 𝑉𝑖 + 𝐺𝑖 𝑉𝑖2 ) × 𝑄𝐿𝑖 (1.67)
𝑗∈Ω𝑖
em que:
Ω𝑖 – conjunto de barras ligadas à barra 𝑖;
𝑄𝑖𝑗 – fluxo de potência reativa da barra 𝑖 para a barra 𝑗;
𝑄𝐺𝑖 – potência reativa gerada na barra 𝑖;
𝑄𝐶𝑖 – injeção de potência reativa capacitiva na barra 𝑖;
𝑄𝐼𝑖 – injeção de potência reativa indutiva na barra 𝑖;
𝑉𝑖 – módulo da tensão na barra 𝑖;
𝐵𝑖𝑠ℎ – susceptância shunt ligada à barra 𝑖;
𝐹𝐶𝑖 – fator de carga (em pu) da barra 𝑖;
𝐷𝑖 – parcela da carga tipo potência constante;
𝐹𝑖 – parcela da carga que varia linearmente com a tensão;
𝐺𝑖 – parcela da carga que varia com o quadrado da tensão;
𝑄𝐿𝑖 – carga reativa na barra i.

56
Intercâmbio de Potência entre Áreas:
𝐼𝑇𝑘 = ∑ 𝑃𝑖𝑗 + ∑ 𝑃𝑖𝑗 − ∑ 𝑃𝑖𝑗 − ∑ 𝑃𝑖𝑗 (1.68)

𝐼1 𝐼2 𝐼3 𝐼4
em que:
𝐼𝑇𝑘 – intercâmbio líquido na área 𝑘;
𝑃𝑖𝑗 – fluxo de potência ativa no circuito 𝑖 – 𝑗;
𝐼1 – conjunto de circuitos de interligação 𝑖 – 𝑗, tal que a medição é realizada no nó 𝑖 e o

nó 𝑖 pertence à área 𝑘;
𝐼2 – conjunto de circuitos de interligação 𝑖 – 𝑗, tal que a medição é realizada no nó 𝑗 e o

nó 𝑗 pertence à área 𝑘;
𝐼3 – conjunto de circuitos de interligação 𝑖 – 𝑗, tal que a medição é realizada no nó 𝑖 e o

nó 𝑖 não pertence à área 𝑘;
𝐼4 – conjunto de circuitos de interligação 𝑖 – 𝑗, tal que a medição é realizada no nó 𝑗 e o

nó 𝑗 não pertence à área 𝑘.
6.1.2 Restrições de Desigualdade
As restrições de desigualdade correspondem às restrições funcionais do tipo máximo

carregamento em circuitos. Essas restrições refletem limites de operação dos
equipamentos, ou alguma política operativa específica.
Módulo da Tensão:
𝑉𝑖𝑀𝑖𝑛 ≤ 𝑉𝑖 ≤ 𝑉𝑖𝑀𝑎𝑥 (1.69)
Potência Ativa Gerada:
𝑃𝐺𝑖𝑀𝑖𝑛 ≤ 𝑃𝐺𝑖 ≤ 𝑃𝐺𝑖𝑀𝑎𝑥 (1.70)
Potência Reativa Gerada:
𝑄𝐺𝑖𝑀𝑖𝑛 ≤ 𝑄𝐺𝑖 ≤ 𝑄𝐺𝑖𝑀𝑎𝑥 (1.71)

57
Tap do Transformador:
𝑎𝑖𝑀𝑖𝑛 ≤ 𝑎𝑖 ≤ 𝑎𝑖𝑀𝑎𝑥 (1.72)
Rejeição de Carga:
Existem algumas situações, como em sistemas com problemas de tensão ou

carregamento dos circuitos, por exemplo, em que pode ser necessário reduzir a carga
em determinadas barras de forma a viabilizar a operação do sistema. Esses cortes de
carga são modelados matematicamente por meio do fator 𝐹𝐶𝑖 , presente nas equações
de balanço de potência ativa e reativa. Esse fator encontra-se dentro dos seguintes
limites:
0 ≤ 𝐹𝐶𝑖 ≤ 1 (1.73)
Observe que 𝐹𝐶𝑖 = 1 significa que a carga total da barra é considerada, enquanto que
𝐹𝐶𝑖 = 0 anula o valor da carga.
Intercâmbio de Potência entre Áreas:
𝐼𝑇𝑖𝑀𝑖𝑛 ≤ 𝐼𝑇𝑖 ≤ 𝐼𝑇𝑖𝑀𝑎𝑥 (1.74)
Máximo Carregamento dos Circuitos:
2
𝑃𝑖𝑗2 + 𝑄𝑖𝑗
2
≤ (𝑆𝑖𝑗𝑀𝑎𝑥 ) (1.75)
6.1.3 Funções Objetivo
Dependendo do tipo de aplicação do problema de FPO, as funções objetivo podem ser

lineares ou não lineares. Adicionalmente, podem ser utilizadas isoladamente ou
combinadas entre si. A seguir apresentam-se as funções objetivo mais utilizadas.
Mínimo Custo de Geração Ativa:
𝑓 = ∑ 𝐶𝑃𝑖 × 𝑃𝐺𝑖 (1.76)

𝑖∈𝐼𝐺
em que:
𝐼𝐺 – conjunto de geradores cujas potências ativa são controladas;

58
𝐶𝑃𝑖 – custo de geração ativa do gerador 𝑖;
𝑃𝐺𝑖 – geração ativa do gerador 𝑖.
Mínima Injeção de Potência Reativa:
𝑓 = ∑ 𝑄𝐶𝑖 + ∑ 𝑄𝐼𝑖
(1.77)
𝑖∈𝐼𝑄𝐶 𝑖∈𝐼𝑄𝐼
em que:
𝐼𝑄𝐶 – conjunto de barras candidatas à injeção de potência reativa capacitiva;
𝑄𝐶𝑖 – potência reativa capacitiva injetada na barra 𝑖;
𝐼𝑄𝐼 – conjunto de barras candidatas à injeção de potência reativa indutiva;
𝑄𝐼𝑖 – potência reativa indutiva injetada na barra 𝑖.
Mínima Perda:
𝑓 = ∑ (𝑃𝑖𝑗 + 𝑃𝑗𝑖 ) (1.78)

𝑖,𝑗∈𝐼𝐶
em que:
𝐼𝐶 – conjunto de circuitos do sistema;
𝑃𝑖𝑗 , 𝑃𝑗𝑖 – fluxo de potência ativa nos circuitos 𝑖 – 𝑗 e 𝑗 – 𝑖.
Mínimo Corte de Carga:
𝑓 = ∑ 𝑅𝑖 × 𝐹𝐶𝑖 × 𝑃𝐿𝑖 (1.79)

𝑖∈𝐼𝐶
em que:
𝐼𝐶 – conjunto de barras de carga;
𝐹𝐶𝑖 – fração de carga efetiva na barra i;
𝑃𝐿𝑖 – carga original da barra i;
𝑅𝑖 – fração da carga cortada na barra i.

59
6.2 Fluxo de Potência Ótimo Linearizado
O fluxo de potência ativa em uma linha de transmissão é proporcional à abertura

angular na linha e se desloca no sentido dos ângulos maiores para os ângulos
menores. A relação existente entre os fluxos de potência ativa e as aberturas
angulares é semelhante à relação existente entre os fluxos de corrente e as quedas de
tensão em um circuito de corrente contínua. Sendo assim, é possível desenvolver um
modelo aproximado, conhecido como fluxo de potência DC, que permite estimar, com
baixo custo computacional e precisão aceitável para muitas aplicações, a distribuição
dos fluxos de potência ativa em uma rede de transmissão. Esse modelo simplificado é
bastante utilizado nos estudos de planejamento da expansão de sistemas de
transmissão.
Deste ponto em diante, o problema de fluxo de potência ótimo (FPO) será formulado
com base no modelo de fluxo de potência linearizado ou DC. Entretanto, antes de dar
início à modelagem matemática do problema de FPO linearizado, é pertinente fazer
uma breve revisão sobre programação linear.
Um grande número de problemas, tratados por técnicas de otimização, pode ser

resolvido diretamente ou por meio de simplificações pelas técnicas de programação
linear (PL), formulado por meio de funções lineares.
De forma matemática, o problema de programação linear pode ser apresentado como

se mostra em (1.80).
𝑀𝑖𝑛 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛
𝑆𝑢𝑗𝑒𝑖𝑡𝑜 𝑎:
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 (≤, =≥)𝑏1 (1.80)

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 (≤, =, ≥)𝑏2
⋮
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 (≤, =, ≥)𝑏𝑛
𝑥𝑖 ≥ 0, 𝑖 = 1, 2, ⋯ , 𝑛
A equação anterior pode ser escrita de modo compacto, como mostrado em (1.81).
𝑀𝑖𝑛 𝒄𝑡 × 𝒙
𝑆𝑢𝑗𝑒𝑖𝑡𝑜 𝑎: (1.81)
𝑨×𝒙≤𝒃
𝒙≥0
em que 𝒄 representa o vetor de coeficientes da função objetivo linear, a matriz 𝑨

contém os coeficientes de 𝑚 restrições lineares do problema e 𝒃 representa o vetor de
termos independentes.
60
A aplicação do método simplex [1] e [2] para a solução de problemas de programação

linear baseia-se nos seguintes princípios:
Conjuntos de soluções convexos: o espaço definido pelo conjunto de restrições

lineares é convexo, isto é, qualquer combinação linear de duas soluções quaisquer
pertencentes a este espaço é também viável. A Figura 1.15 dá exemplos de espaços
convexos e não convexos em problemas de duas variáveis.
Ótimo em um ponto extremo do conjunto de soluções: dada uma função objetivo

linear e um espaço de soluções definido por restrições lineares, a solução ótima do
problema corresponde a um vértice ou aresta do poliedro definido. A Figura 1.16
ilustra essa característica.
Figura 1.15: Espaço de soluções.
Figura 1.16: Solução ótima no extremo da região viável.

61
Exemplo 6.1:
Considere que um produtor independente possui duas unidades geradoras localizadas

em pontos diferentes no sistema. Os custos de produção e de venda da energia são
distintos para cada gerador. O produtor deseja vender o máximo possível de energia,
sem, no entanto, extrapolar o limite monetário estabelecido por ele para a produção de
energia. Os dados do problema são apresentados a seguir.
Tabela 1.19: Dados do exemplo 6.1.

Descrição Gerador 1 Gerador 2
Cap. de produção (MWh) 5000 7000
Custo de produção ($/MWh) 50 100
Tarifa de venda 90 120
Máximo custo de produção total ($) 800.000
Solução:
O problema pode ser formulado do seguinte modo:
𝑀𝑎𝑥 𝑓(𝑥1 , 𝑥2 ) = 90𝑥1 + 120𝑥2
Sujeito a:
𝑥1 ≤ 5000
𝑥2 ≤ 7000
50𝑥1 + 100𝑥2 ≤ 800.000
𝑥1 , 𝑥2 ≥ 0
A interpretação geométrica desse problema é dada pela Figura 1.17.
Figura 1.17: Interpretação geométrica do problema.

62
Então, testando-se os vértices formados pelo polígono, tem-se:
Tabela 1.20: Soluções possíveis.

𝑥1 𝑥2 𝑓(𝑥1 , 𝑥2 )
0 0 0
0 7000 840.000
2000 7000 1.020.000
5000 5500 1.110.000
5000 0 450.000
Logo, os valores de 𝑥1 e 𝑥2 que maximizam a função objetivo e ao mesmo tempo

satisfazem às restrições é 𝑥1 = 5000 e 𝑥2 = 5500, para os quais a função objetivo
vale $ 1.110.000.
6.2.1 Formulação do FPO Utilizando o Modelo Linearizado
Neste tópico é apresentada a formulação do problema de FPO para um caso particular

em que o modelo linear do fluxo de potência (fluxo DC) é utilizado.
As hipóteses simplificadoras que permitem utilizar o modelo linearizado para

determinar os fluxos numa rede elétrica são:
 Os módulos das tensões são supostos iguais a 1,0 pu para todas as barras;
 As resistências e as admitâncias shunts das linhas são desprezadas;
 As aberturas angulares entre as barras (nós) da rede são supostas suficientemente

pequenas de modo que 𝑠𝑒𝑛(𝜃𝑖 – 𝜃𝑗 ) = (𝜃𝑖 – 𝜃𝑗 ) radianos.
Com essas hipóteses, o fluxo de potência ativa 𝑡𝑖𝑗 na linha 𝑖 − 𝑗 é dado por:
𝑡𝑖𝑗 = −𝑏𝑖𝑗 (𝜃𝑖 − 𝜃𝑗 ) (1.82)
Sendo assim, a injeção líquida de potência ativa numa barra 𝑖 qualquer é dada por:
𝑝𝑖 = ∑ 𝑡𝑖𝑗 = ∑ −𝑏𝑖𝑗 (𝜃𝑖 − 𝜃𝑗 ) (1.83)

𝑗∈Ω𝑖 𝑗∈Ω
em que Ω𝑖 representa o conjunto de barras conectadas à barra 𝑖.
Definindo a matriz de susceptância 𝑩 do fluxo de potência linearizado como:

63
∑ 𝑏1𝑗 −𝑏12 −𝑏13 ⋯ −𝑏1𝑛

𝑗∈Ω𝑖
−𝑏21 ∑ 𝑏2𝑗 −𝑏23 ⋯ −𝑏2𝑛

𝐵= 𝑗∈Ω𝑖
(1.84)
⋮ ⋮ ⋮ ⋱ ⋮
−𝑏𝑛1 −𝑏𝑛2 −𝑏𝑛3 ⋯ ∑ 𝑏𝑛𝑗
[ 𝑗∈Ω𝑖 ]
Da matriz anterior, nota-se que:
𝐵(𝑖, 𝑖) = ∑ 𝑏𝑖𝑗
𝑗∈Ω𝑖
𝐵(𝑖, 𝑗) = −𝑏𝑖𝑗
Além disso, é fácil verificar que:
𝑝𝑖 = 𝐵(𝑖, 𝑖)𝜃𝑖 + ∑ 𝐵(𝑖, 𝑗)𝜃𝑗 (1.85)
ou na forma matricial
𝑷 = −𝑩𝜽 (1.86)
Nota-se também na matriz anterior que a soma das linhas ou colunas é igual a zero e,
portanto, a matriz 𝑩 é singular. Isso significa que as N equações implícitas em (1.86)
são linearmente dependentes e, portanto, não podem ser utilizadas para definir
restrições de igualdade do problema de FPO. Uma maneira de eliminar a redundância
dessas equações é definir o ângulo de uma barra 𝑘 como sendo a referência angular
do sistema (𝜃𝑘 = 0). Essa definição implica em eliminar a coluna 𝑘 da matriz 𝑩.
Sendo assim,
̂ = −𝑩
𝑷 ̂𝜽̂ (1.87)
6.2.2 Restrições de Balanço de Potência
A equação (1.87) não pode ser utilizada como restrição de balanço de potência para o
problema de FPO linearizado porque o vetor P de injeções de potência ativa as barras
ainda tem que ser expresso como função das potências geradas e das potências das
cargas nas barras.
64
Para considerar as potências geradas, seja 𝑛𝑔 , o número de geradores do sistema de

potência. Definindo-se a matriz de incidência barras-geradores, 𝐴𝑔 , como sendo matriz
𝑁 × 𝑛𝑔 cujos elementos são dados por:
1, se o gerador 𝑗 está conectado à barra 𝑖

𝑨𝒈 (𝑖, 𝑗) = { (1.88)
0, caso contrário
𝑡
Sejam ainda 𝑷𝑮 = [𝑃𝐺1 , 𝑃𝐺2 , ⋯ , 𝑃𝐺𝑛 ] o vetor 𝑛𝑔 × 1 das potências ativas geradas nas
𝑡
barras de geração e 𝑷𝑳 = [𝑃𝐿1 , 𝑃𝐿2 , ⋯ , 𝑃𝐿𝑁 ] o vetor 𝑁 × 1 das cargas ativas nas
barras do sistema. O vetor de potências ativas injetadas nas barras pode, portanto, ser
escrito como:
𝑷 = 𝑨𝒈 ∙ 𝑷𝑮 − 𝑷𝑳 (1.89)
Sendo assim, pode-se escrever a restrição de balanço de potência ativa para o

problema de FPO linearizado, conforme mostrado em (1.90):
−𝑩 ∙ 𝜽 + 𝑨𝒈 ∙ 𝑷𝑮 = 𝑷𝑳 (1.90)
6.2.3 Restrições de Limites de Geração
De modo semelhante ao problema de despacho econômico, os limites máximo e

mínimo de geração devem ser considerados como restrições de desigualdade no
problema de FPO.
Sejam os vetores 𝑷𝑀𝑖𝑛

𝑮 e 𝑷𝑀𝑎𝑥
𝑮 , ambos com dimensão 𝑛𝑔 × 1, que contêm os limites
mínimo e máximo de potência gerada para cada gerador do sistema. As restrições de
geração são dadas por:
𝑷𝑀𝑖𝑛
𝑮 ≤ 𝑷𝑮 ≤ 𝑷𝑀𝑎𝑥
𝑮 (1.91)
6.2.4 Restrições de Limite de Fluxo de Potência Ativa nos Circuitos
Além das restrições de balanço de potência ativa dadas pela equação (1.90), que são
restrições de igualdade, consideram-se também no problema de FPO os limites
impostos sobre os fluxos de potência ativa nos ramos (linhas de transmissão e
transformadores), que são restrições de desigualdade.
Tais limites são devidos tanto às limitações térmicas dos condutores quanto às
restrições de estabilidade.
65
𝑀𝑎𝑥
Seja 𝑡𝑖𝑗 o limite máximo de fluxo de potência no ramo 𝑖 – 𝑗. Essa restrição pode ser
representada por:
𝑀𝑎𝑥
𝑡𝑖𝑗 ≤ 𝑡𝑖𝑗 (1.92)
ou
𝑀𝑎𝑥
|−𝑏𝑖𝑗 (𝜃𝑖 − 𝜃𝑗 )| ≤ 𝑡𝑖𝑗 (1.93)
A equação (93) é aplicada a cada um dos 𝑛𝑙 ramos do sistema.
Para permitir a formulação matricial do problema de FPO, considere a matriz de

incidência ramos-barras, com dimensão 𝑛𝑙 × 𝑁, dada por:
−1, se a barra de origem do elemento 𝑙 é a barra 𝑖

𝑨𝑡 (𝑙, 𝑖) = { 1, se a barra de chegada do elemento 𝑙 é a barra 𝑖 (1.94)
0, se o elemento 𝑙 não incidir na barra 𝑖
A partir da matriz de incidência ramos-barras definida anteriormente, obtém-se a

matriz reduzida 𝑨̂ 𝑡 eliminando a coluna correspondente à barra de referência.
Adicionalmente, seja 𝜸 a matriz primitiva das susceptâncias dos ramos, dada por:
𝜸 = 𝑑𝑖𝑎𝑔(𝑏𝑙1 , 𝑏𝑙2 , ⋯ , 𝑏𝑙𝑛 ) (1.95)
Finalmente, pode-se verificar que o vetor de fluxos nas linhas é dado por:
𝒕=𝜸∙𝑨 ̂
̂𝑡 ∙ 𝜽 (1.96)
Sendo assim, as restrições de fluxo de potência ativa nos circuitos podem ser escritas
na forma matricial:
̂ ≤ 𝒕𝑀𝑎𝑥
̂𝑡 ∙ 𝜽
𝜸∙𝑨
(1.97)
̂ ≤ 𝑡 𝑀𝑎𝑥
̂𝒕 ∙ 𝜽
−𝜸 ∙ 𝑨
Agora, pode-se formular o problema de FPO linearizado.

66
𝜽
𝑡
𝑀𝑖𝑛 𝒄 ∙ [𝑷𝐺 ]
𝑷𝑟
Sujeito a:
̂ + 𝑨𝑔 ∙ 𝑷𝑔 + 𝑨𝒓 ∙ 𝑷𝑟 = 𝑷𝐿
−𝑩 ∙ 𝜽 (1.98)
̂𝑡 | ≤ 𝑡 𝑀𝑎𝑥
|𝜸 ∙ 𝑨
𝑷𝑀𝑖𝑛
𝐺 ≤ 𝑷𝐺 ≤ 𝑷𝑀𝑎𝑥
𝐺
0 ≤ 𝑷𝑟 ≤ 𝑷𝐿
Na equação (98) 𝑐 = [𝑐𝜃2 , 𝑐𝜃3 , ⋯ , 𝑐𝜃𝑁 , 𝑐𝐺1 , 𝑐𝐺2 , ⋯ 𝑐𝐺𝑛𝑔 , 𝑐𝑟1 , 𝑐𝑟2 , ⋯ 𝑐𝑟𝑛𝑟 ] representa o vetor
dos custos associados às variáveis do problema. Vale salientar que os custos
referentes aos ângulos são nulos. O vetor 𝑷𝑟 contém os cortes de carga necessários
para aliviar as retrições (carregamento dos circuitos, ou máxima geração) e a matriz
𝑨𝑟 é a matriz de incidência barras-cargas, construída de modo similar à matriz de
incidência barras-geradores.
Exemplo 6.2:
Formule o problema de FPO para o sistema a seguir.
1 2
PG1 X12
PL1
X23
X13 X24
PG2
PL2
X34 4
3
Figura 1.18: Sistema com quatro barras.
Solução:
A função objetivo do problema será:
𝑀𝑖𝑛 𝑧 = 𝑐𝜃2 𝜃2 + 𝑐𝜃3 𝜃3 + 𝑐𝜃4 𝜃4 + 𝑐𝐺1 𝑃𝐺1 + 𝑐𝐺2 𝑃𝐺2 + 𝑐𝑟1 𝑃𝑟1 + 𝑐𝑟2 𝑃𝑟2
Sujeito às seguintes restrições:

67
Restrições de igualdade:
−𝑏12 (𝜃2 − 𝜃1 ) − 𝑏13 (𝜃3 − 𝜃1 ) + 𝑃𝐺1 = 0
−𝑏21 (𝜃1 − 𝜃2 ) − 𝑏23 (𝜃2 − 𝜃3 ) − 𝑏24 (𝜃4 − 𝜃2 ) + 𝑃𝑟2 = 𝑃𝐿1
−𝑏31 (𝜃1 − 𝜃3 ) − 𝑏32 (𝜃2 − 𝜃3 ) − 𝑏34 (𝜃4 − 𝜃3 ) + 𝑃𝑟2 = 𝑃𝐿2
−𝑏42 (𝜃2 − 𝜃4 ) − 𝑏43 (𝜃3 − 𝜃4 ) + 𝑃𝐺2 = 0
Assumindo que a barra 1 seja a referência angular, i.e., 𝜃1 = 0, obtém-se:
−𝑏12 𝜃2 − 𝑏13 𝜃3 + 𝑃𝐺1 = 0
(𝑏21 + 𝑏23 + 𝑏24 )𝜃2 − 𝑏23 𝜃3 − 𝑏24 𝜃4 + 𝑃𝑟1 = 𝑃𝐿1
−𝑏32 𝜃2 + (𝑏31 + 𝑏32 + 𝑏34 )𝜃3 − 𝑏34 𝜃4 + 𝑃𝑟2 = 𝑃𝐿2
−𝑏42 𝜃2 − 𝑏43 𝜃3 + (𝑏42 + 𝑏43 ) + 𝑃𝐺2 = 0
Restrições de desigualdade:
Fluxo na linha 1-2, sentido de 1 para 2:

𝑀𝑎𝑥
−𝑏12 (𝜃1 − 𝜃2 ) ≤ 𝑡12

𝑀𝑎𝑥
−𝑏13 (𝜃1 − 𝜃3 ) ≤ 𝑡13

𝑀𝑎𝑥
−𝑏23 (𝜃2 − 𝜃3 ) ≤ 𝑡23

𝑀𝑎𝑥
−𝑏24 (𝜃2 − 𝜃4 ) ≤ 𝑡24

𝑀𝑎𝑥
−𝑏34 (𝜃3 − 𝜃4 ) ≤ 𝑡34

𝑀𝑎𝑥
−𝑏12 (𝜃2 − 𝜃1 ) ≤ 𝑡12

𝑀𝑎𝑥
−𝑏13 (𝜃3 − 𝜃1 ) ≤ 𝑡13

𝑀𝑎𝑥
−𝑏23 (𝜃3 − 𝜃2 ) ≤ 𝑡23
68

𝑀𝑎𝑥
−𝑏24 (𝜃4 − 𝜃2 ) ≤ 𝑡24

𝑀𝑎𝑥
−𝑏34 (𝜃4 − 𝜃3 ) ≤ 𝑡24
Limites de geração:
𝑃𝐺𝑀𝑖𝑛
1
≤ 𝑃𝐺1 ≤ 𝑃𝐺𝑀𝑎𝑥
1
𝑃𝐺𝑀𝑖𝑛
2
≤ 𝑃𝐺2 ≤ 𝑃𝐺𝑀𝑎𝑥
2
Limites dos cortes de carga:
0 ≤ 𝑃𝑟1 ≤ 𝑃𝐿1
0 ≤ 𝑃𝑟2 ≤ 𝑃𝐿2
Com base nas equações anteriores é possível determinar as matrizes do problema de

programação linear.
Vetor da função objetivo:
𝑓 = [𝑐𝜃2 𝑐𝜃3 𝑐𝜃4 𝑐𝐺1 𝑐𝐺2 𝑐𝑟1 𝑐𝑟2 ]
Matriz das restrições de igualdade:
−𝑏12 −𝑏13 0 1 0 0 0 0
(𝑏 + 𝑏23 + 𝑏24 ) −𝑏23 −𝑏24 0 0 1 0 𝑃𝐿
𝐴𝑒𝑞 = [ 21 ] ; 𝑏𝑒𝑞 = [ 1 ]
−𝑏32 (𝑏31 + 𝑏32 + 𝑏34 ) −𝑏34 0 0 0 1 𝑃𝐿2
−𝑏42 −𝑏43 (𝑏42 + 𝑏43 ) 0 1 0 0 0
Matriz das restrições de desigualdade:

𝑀𝑎𝑥
𝑡12
𝑏12 0 0 0 0 0 0 𝑀𝑎𝑥
𝑡13
0 𝑏13 0 0 0 0 0 𝑀𝑎𝑥
−𝑏23 𝑏23 0 0 0 0 0 𝑡23
𝑀𝑎𝑥
−𝑏24 0 𝑏24 0 0 0 0 𝑡24
𝑀𝑎𝑥
0 −𝑏34 𝑏34 0 0 0 0 𝑡34
𝐴= ;𝑏 = 𝑀𝑎𝑥
−𝑏12 0 0 0 0 0 0 𝑡12
0 −𝑏13 0 0 0 0 0 𝑀𝑎𝑥
𝑡13
𝑏23 −𝑏23 0 0 0 0 0 𝑀𝑎𝑥
𝑡23
𝑏24 0 −𝑏24 0 0 0 0 𝑀𝑎𝑥
𝑡24
[ 0 𝑏34 −𝑏34 0 0 0 0] 𝑀𝑎𝑥
[𝑡34 ]
Os limites mínimo e máximo da geração bem como os limites dos cortes de carga
podem ser colocados da seguinte forma:
69
𝜃2𝑀𝑖𝑛 𝜃2𝑀𝑎𝑥
𝐿𝐵 = 𝑃𝐺𝑀𝑖𝑛 ; 𝑈𝐵 = 𝑃𝐺𝑀𝑎𝑥
1
1
𝑃𝐺𝑀𝑖𝑛 𝑃𝐺𝑀𝑎𝑥
2
2
0 𝑃𝐿1
[ 0 ] [ 𝑃𝐿2 ]
em que 𝐿𝐵 e 𝑈𝐵 representam, respectivamente, os limites inferiores e superiores das

variáveis dependentes do problema.
7. REFERÊNCIAS
[1] A. G. Novaes. Métodos de otimização: aplicação aos transportes, Edgar Blücher,

1978.
[2] J. P. Ignizio, T. M. Cavalier. Linear programming, Prentice-Hall, 1994.
70
8. ANEXO
Programa Utilizado para Resolver o Exemplo 5.4
functionDespachoHidrotermico
clc
clear all
globalLoadPattern tol1 tol2 Therm Tal Hydro
global Maxiter1 Maxiter2 Vtotcf
% Obtendo os dados do sistema
SystemData
% o número de intervalos
[jmax,ncol] = size(LoadPattern);
% Chute inicial
Lamb = [135.92 135.92];
mu = 2.28;
% Desvio de volume
DeltaV = 1e10;
% contator de iterações – laço de convergência da restrição de volume
iter2 = 0;
while abs(DeltaV) > tol2 & iter2 < Maxiter2
Vol = 0;
dfmu = 0;
for j = 1:jmax
% Desvio de potência
DeltaP = 1e10;
% contator de iterações – laço de convergência do balanço de carga
iter1 = 0;
while abs(DeltaP) > tol1 & iter1 < Maxiter1
% Cálculoda potênciatérmica
Pt(j) = (Lamb(j) - Therm(4)*LoadPattern(j,1))/(2*(Therm(3)*LoadPattern(j,1)+Tal(1)*Lamb(j)));
ifPt(j) <Therm(1)
Pt(j) = Therm(1);
elseifPt(j) >Therm(2)
Pt(j) = Therm(2);
end
71
% Cálculo da potência hidráulica
Ph(j) = (Lamb(j)-Hydro(3)*LoadPattern(j,1)*mu)/(2*Tal(2)*Lamb(j));
ifPh(j) < Hydro(1)
Ph(j) = Hydro(1);
elseif Ph(j) > Hydro(2)
Ph(j) = Hydro(2);
end
% Cálculo das perdas
Perdas = Tal(1)*Pt(j)^2 + Tal(2)*Ph(j)^2;
% Calculo do desvio de potência
DeltaP = LoadPattern(j,2)+Perdas - Pt(j) - Ph(j);
ifabs(DeltaP) > tol1
% cálculoda derivada da função do desvio de potência
A = LoadPattern(j,1)*(Therm(3)+Therm(4)*Tal(1));
B = 2*(Therm(3)*LoadPattern(j,1)+Tal(1)*Lamb(j))^2;
C = Hydro(3)*LoadPattern(j,1)*mu*Tal(2);
D = 2*(Tal(2)*Lamb(j))^2;
dfLamb =-(A/B)-(C/D);
DeltaLamb = -DeltaP/dfLamb;
Lamb(j) = Lamb(j) + DeltaLamb;
iter1 = iter1 + 1;
end
end
% Cálculo da vazão em função da potência hidráulica
q(j) = Hydro(3)*Ph(j)+Hydro(4);
Vol = Vol + q(j)*LoadPattern(j,1);
% derivada da função do erro de volume
dfmu = dfmu + (Hydro(3)^2*LoadPattern(j,1))/(2*Tal(2)*Lamb(j));
end
% Cálculodo desvio de volume
DeltaV = Vtot - Vol;
if abs(DeltaV) > tol2
% projetar novo valor de mu
Deltamu = -DeltaV/(cf*dfmu);
72
mu = mu + Deltamu;
iter2 = iter2 + 1;
end
end
% processoconvergido
for j = 1:jmax
Perdas(j) = Tal(1)*Pt(j)^2 + Tal(2)*Ph(j)^2;
ProdCost(j) = (Therm(3)*Pt(j)^2 + Therm(4)*Pt(j) + Therm(5))*LoadPattern(j);
q(j) = Hydro(3)*Ph(j) + Hydro(4);
end
% Resultados finais
disp(sprintf('Despacho hidrotérmico'));
disp(sprintf('Máximo desvio percentual de volume: %4.4f', (DeltaV/Vtot)*100));
disp(sprintf('Intervalo Duração Pot. Hid. (MW) Pot. Term. (MW) Perdas (MW) Lambda($/MW) mu($/dam3)
Custo de Prod. ($) Vazão (dam3/h)'));
for j = 1:jmax
disp(sprintf('%9d %7.0f %14.3f %15.3f %11.3f %12.3f %10.3f %18.3f %14.3f', j, LoadPattern(j,1), Ph(j),
Pt(j), Perdas(j), Lamb(j), mu, ProdCost(j),q(j)));
end
functionSystemData
globalTherm Hydro VtotLoadPattern Tal tol1 tol2
global Maxiter1 Maxiter2 cf
% Dados do sistema
%=================
% Dados da geração térmica
% [Pot_Min Pot_Max Gama Beta Alfa]
Therm = [150 1500 0.00184 9.2 575];
% Dados da geração hidráulica
% Pot_Min Pot_Max a b]
Hydro = [0 1000 4.97 330];
% Volume total
Vtot = 100000;
% Curva de carga
% [duração Pot]
73
LoadPattern = [12 1200;
12 1500];
% Perdas na transmissão
% [Tal_tTal_h]
Tal = [0 8E-5];
% Tolerância para o balanço de geração
tol1 = 1E-3;
% Tolerância para a restrição de volume
tol2 = 5;
% número máximo de iterações - convergência do balanço de potência
Maxiter1 = 20000;
% número máximo de iterações - convergência da restrição de volume.
Maxiter2 = 2000;
% coeficiente para controle da convergência da restrição de volume.
cf = 5;
CAPÍTULO 2 - REPRESENTAÇÃO
DE CONTROLES E LIMITES NOS
PROGRAMAS DE FLUXO DE
POTÊNCIA
1. INTRODUÇÃO
Em um sistema de potência existem vários dispositivos de controle que influenciam

diretamente nas condições de operação e, portanto, devem ser incluídos na
modelagem do sistema, para que se possa simular corretamente seu desempenho.
Dessa forma, à formulação básica do problema de fluxo de potência devem ser
incorporadas as equações que representam esses dispositivos de controle, bem como
as inequações associadas aos limites de operação do sistema.
Entre os controles geralmente representados em programas de fluxo de potência

podem ser citados:
 Controle de magnitude de tensão por injeção de reativo;
 Controle de magnitude de tensão por ajuste de taps de transformadores;
 Controle de fluxo de potência ativa;
 Controle de intercâmbio entre áreas.
Dentre os limites operacionais, os mais comuns são:
 Limites de injeção de potência reativa em barras PV;
 Limites de tensão em barras PQ;
 Limites de taps de transformadores;
 Limites de fluxo de potência em linhas e transformadores.
As subseções seguintes detalham as representações das principais ações de controle,

bem como dos limites operacionais dos equipamentos componentes de um sistema de
potência.
75
2. MODOS DE REPRESENTAÇÃO
Os controles mencionados anteriormente podem ser representados nos programas de

fluxo de potência de três maneiras básicas:
 Classificação por tipo de barra (V, PV, PQ, etc.) e o agrupamento das
equações correspondentes nos dos subsistemas 1 e 2 de resolução do
problema de fluxo de potência [1];
 Mecanismos de ajustes executados alternadamente com a solução iterativa do

subsistema 1, ou seja, durante o cálculo de uma iteração as variáveis de
controle permanecem inalteradas e, entre uma iteração e outra, essas variáveis
são reajustadas objetivando que as variáveis controladas se aproximem cada
vez mais dos respectivos valores especificados;
 Incorporação de equações e variáveis adicionais ao subsistema 1, ou

substituição de equações e variáveis dependentes desse subsistema por novas
equações e/ou variáveis.
Em relação ao processo de resolução das equações básicas do fluxo de potência, a

introdução da representação de controles automáticos traz algumas complicações
adicionais. A convergência do processo iterativo geralmente fica mais lenta. A
interferência entre controles que são eletricamente próximos pode levar, em algumas
situações, à não-convergência do processo iterativo. Adicionalmente, a ocorrência de
soluções múltiplas para um mesmo problema torna-se bastante frequente quando os
dispositivos de controle são incluídos na modelagem do sistema.
2.1 Ajustes Alternados
O processo de ajustes alternados, efetuados entre uma operação e outra durante a

resolução do subsistema 1, objetiva manter uma variável controlada z em valor
especificado zEsp, corrigindo-se convenientemente a variável de controle u:
∆𝑢 = 𝛼∆𝑧 = 𝛼(𝑧 𝐸𝑠𝑝 − 𝑧 𝐶𝑎𝑙𝑐 ) (2.1)
em que u é a correção na variável de controle; z é o erro na variável controlada

(valor especificado menos valor calculado); e a é a relação de sensibilidade entre as
variáveis u e z.
O esquema geral do procedimento de ajuste é mostrado a seguir:
a) Definir valores iniciais das variáveis de controle u=u0;

76
b) Obter uma solução inicial do subsistema 1 (soluções obtidas com uma

tolerância maior ou um número prefixado de iterações);
c) Estimar os valores atuais das variáveis controladas zCalc e verificar se os erros

z estão dentro das tolerâncias especificadas;
d) Verificar os erros de P e Q, se o processo estiver convergido parar, senão, ir

para o passo (e);
e) Determinar novos valores das variáveis de controle;
f) Realizar mais uma iteração no processo de resolução do subsistema 1 e

retornar ao passo (c).
A convergência desse processo iterativo depende tanto da evolução dos controles

quanto da resolução do subsistema 1. Em geral, são controles que determinam a
convergência do processo como um todo. É válido salientar que os efeitos dos
dispositivos de controle e os limites de operação só devem ser incorporados ao
processo iterativo após ter sido obtida uma convergência parcial na resolução do
subsistema 1. Desse modo, evita-se problemas como a atuação indevida de
dispositivos de controle e violações dos limites operacionais, causadas pela escolha
de valores iniciais muito distantes do ponto de operação.
2.2 Representação do Limite de Injeção de Reativo nas Barras

PV
Nas barras de geração e nas barras em que são ligados compensadores síncronos, o
controle de magnitude da tensão é feito pelo ajuste da corrente de campo das
máquinas síncronas, as quais podem operar sub ou sobrexcitadas, injetando ou
absorvendo reativo da rede.
Em programas de fluxo de potência, a representação do controle de tensão nas barras

PV está embutida na própria formulação básica do problema. As equações das
injeções de potência reativa Qk nas barras PV não aparecem no subsistema 1. Além
disso, a magnitude de tensão Vk é mantida em seu valor especificado VkEsp. O fato de
Qk não estar no subsistema 1 e de Vk ser constante implica que a matriz jacobiana não
contém as linhas relacionadas às derivadas 𝜕𝑄𝑘 /𝜕𝜃𝑚 e 𝜕𝑄𝑘 /𝜕𝑉𝑚 , e as colunas
correspondentes às derivadas 𝜕𝑃𝑚 /𝜕𝑉𝑘 e 𝜕𝑄𝑚 /𝜕𝑉𝑘 .
A atuação do mecanismo de controle de tensão em uma barra PV ocorre do modo que

𝐸𝑠𝑝
se descreve a seguir. Considere uma barra PV na qual 𝑉𝑘 = 𝑉𝑘 e, inicialmente,
𝑄𝑘𝑀𝑖𝑛 < 𝑄𝑘𝐶𝑎𝑙𝑐 < 𝑄𝑘𝑀𝑎𝑥 . Suponha que a cada iteração ocorra um aumento da potência
reativa 𝑄𝑘𝐶𝑎𝑙𝑐 necessária para manter a tensão 𝑉𝑘 no valor especificado até que o limite
𝑄𝑘𝑀𝑎𝑥 seja atingindo. A partir desse ponto, a tensão 𝑉𝑘 tenderá a cair devido à
insuficiência de suporte de potência reativa. Raciocínio análogo é válido para o caso
77
em que o limite mínimo 𝑄𝑘𝑀𝑖𝑛 é atingido e a tensão 𝑉𝑘 tenderá a subir. As injeções de

potência reativa nas barras PV devem, portanto, ser recalculadas ao final de cada
iteração utilizando-se os valores atualizados das variáveis de estado da rede, para
observar se esses valores estão dentro dos limites especificados. Se 𝑄𝑘𝐶𝑎𝑙𝑐 estiver fora
dos limites, os tipos das barras nas quais isso ocorre são redefinidos passando de PV
para PQ. Quando isso ocorre, a especificação de potência nessas barras assume o
𝐸𝑠𝑝
valor do limite violado (𝑄𝑘 = 𝑄𝑘𝐿𝑖𝑚 ) e, ao mesmo tempo, as magnitudes 𝑉𝑘 das
tensões nessas barras são liberadas, passando a ser calculadas a cada iteração.
Quando ocorre uma mudança de tipo de barra (de PV para PQ), devem ser inseridas
na matriz jacobiana os elementos correspondentes às derivadas 𝜕𝑄𝑘 /𝜕𝜃𝑚 ; 𝜕𝑄𝑘 /𝜕𝑉𝑚 ;
𝜕𝑃𝑚 /𝜕𝑉𝑘 e 𝜕𝑄𝑚 /𝜕𝑉𝑘 .
Após uma barra PV ter sido transformada em PQ, deve-se testar, a cada iteração
subsequente, a possibilidade de essa barra voltar a seu tipo original. Considere, por
exemplo, um caso em que a injeção de reativo esteja fixada no limite máximo, ou seja,
𝐸𝑠𝑝
𝑄𝑘 = 𝑄𝑘𝑀𝑎𝑥 . A variável 𝑉𝑘 correspondente, recalculada a cada iteração, poderá ser
𝐸𝑠𝑝 𝐸𝑠𝑝
maior, menor ou igual ao valor especificado 𝑉𝑘 . Se 𝑉𝑘𝐶𝑎𝑙𝑐 < 𝑉𝑘 , nada se altera,
pois, para aumentar a magnitude da tensão 𝑉𝑘𝐶𝑎𝑙𝑐 , deveria haver um aumento da
𝐸𝑠𝑝
injeção de reativo na barra, o que seria impossível, pois 𝑄𝑘 = 𝑄𝑘𝑀𝑎𝑥 . Entretanto, se
𝐸𝑠𝑝
𝑉𝑘𝐶𝑎𝑙𝑐 > 𝑉𝑘 , para diminuir a magnitude da tensão 𝑉𝑘𝐶𝑎𝑙𝑐 , basta que a injeção de
𝐸𝑠𝑝
reativo na barra seja diminuída, o que é perfeitamente viável, pois 𝑄𝑘 = 𝑄𝑘𝑀𝑎𝑥 . Isso
𝐸𝑠𝑝
significa que, se 𝑉𝑘𝐶𝑎𝑙𝑐 > 𝑉𝑘 , a barra poderá ser convertida a seu tipo original. Por
raciocínio análogo, chega-se à conclusão de que isso também é possível quando
𝑄𝑘 = 𝑄𝑘𝑀𝑖𝑛 e 𝑉𝑘𝐶𝑎𝑙𝑐 < 𝑉𝑘 . A Figura 2.1 dá uma ideia do que ocorre quando não há
suporte de reativo indutivo ou reativo capacitivo suficientes para manter a tensão no
valor especificado.
PV transforma-se em PQ PV transforma-se em PQ
V
Falta de reativo capacitivo
Falta de reativo indutivo
Qmin QMax
Figura 2.1: Representação esquemática do controle de tensão em barras PV.
78
2.3 Limites de Tensão em Barras PQ
Em alguns estudos de planejamento da operação e da expansão de sistemas de

potência é interessante que os programas de fluxo de potência limitem a variação da
magnitude das tensões das barras PQ dentro de uma faixa especificada mesmo que
nessas barras não existam realmente dispositivos de controle capazes de realizar tal
tarefa. Um exemplo de aplicação em que essa característica é desejável é o estudo de
expansão de longo prazo. Nesse tipo de estudo, determina-se, inicialmente, uma rede
de transmissão que atenda aos requisitos de geração/demanda, utilizando-se um
modelo simplificado da rede (e.g., fluxo de potência linearizado). Em uma fase
subsequente, avalia-se o perfil de tensão da rede, utilizando-se um programa de fluxo
de potência não-linear. Como a rede ainda não foi planejada para dar o suporte de
reativo necessário, é comum o surgimento de casos em que o processo iterativo não
converge. A limitação das magnitudes das tensões nas barras PQ dentro de uma faixa
especificada permite, em geral, que a convergência do processo seja atingida.
Adicionalmente, pode-se ter uma indicação de quais barras têm problemas de suporte
de potência reativa (barras em que a magnitude de tensão foi violada).
Em programas de fluxo de potência, as magnitudes das tensões das barras PQ são

recalculadas a cada iteração durante o processo de resolução do subsistema 1.
Quando o valor calculado de tensão 𝑉𝑘𝐶𝑎𝑙𝑐 cai fora dos limites 𝑉𝑘𝑀𝑖𝑛 e 𝑉𝑘𝑀𝑎𝑥 , o tipo da
barra na qual ocorre a violação é redefinido, passando de PQ para PV, com a
𝐸𝑠𝑝
magnitude da tensão especificada no limite violado (𝑉𝑘 = 𝑉𝑘𝐿𝑖𝑚 ). Ao mesmo tempo, a
injeção de potência reativa nessa barra é liberada, passando a ser calculada a cada
iteração.
Para ilustrar como atua o mecanismo de limite de tensão nas barras PQ, considere um
𝐸𝑠𝑝
caso em que a tensão seja especificada no valor mínimo, ou seja, 𝑉𝑘 = 𝑉𝑘𝑀𝑖𝑛 . Na
iteração que ocorre a fixação no limite, o valor calculado da injeção de reativo na barra
𝐸𝑠𝑝
será 𝑄𝑘𝐶𝑎𝑙𝑐 = 𝑄𝑘 + ∆𝑄𝑘 , em que ∆𝑄𝑘 é um valor positivo (correspondendo, por
exemplo, a um capacitor ligado à barra para imperdir que a magnitude da tensão caia
abaixo do mínimo permitido). Analogamente, quando a violação ocorre no limite
𝐸𝑠𝑝
superior, ou seja, 𝑉𝑘 = 𝑉𝑘𝑀𝑎𝑥 , o incremento ∆𝑄𝑘 na injeção de reativo será negativo
(correspondendo, por exemplo, a um indutor ligado à barra para impedir que a
magnitude da tensão suba acima do máximo permitido).
Quando 𝑉𝑘 é fixado em um de seus valores limites, essa variável deve ser removida do
𝐸𝑠𝑝
vetor das variáveis dependentes, equanto que a equação de resíduos 𝑄𝑘 − 𝑄𝑘𝐶𝑎𝑙𝑐 = 0
correspondente sai do subsistema 1. Devido à mudança no subsistema 1, quando
barras do tipo PQ se transformam em barras tipo PV, devem ser removidas da matriz
jacobiana as linhas correspondentes às derivadas 𝜕𝑄𝑘 /𝜕𝜃𝑚 e as colunas
correspondentes às derivadas 𝜕𝑃𝑚 /𝜕𝑉𝑘 e 𝜕𝑄𝑚 /𝜕𝑉𝑘 .
Após uma barra PQ ter sido transformada em PV, deve-se testar, a cada iteração
subsequente, a possibilidade de essa barra voltar a seu tipo original. Considere, por
𝐸𝑠𝑝
exemplo, que a magnitude de tensão esteja fixada no limite mínimo, isto é, 𝑉𝑘 =
𝑉𝑘𝑀𝑖𝑛 . A variável 𝑄𝑘𝐶𝑎𝑙𝑐 correspondente, recalculada a cada iteração, poderá ser maior,
79
menor ou igual ao valor especificado 𝑄𝑘 . Se 𝑄𝑘𝐶𝑎𝑙𝑐 > 𝑄𝑘 , nada se altera, pois a
𝐸𝑠𝑝
injeção extra de reativo, ou seja, ∆𝑄𝑘 = 𝑄𝑘𝐶𝑎𝑙𝑐 − 𝑄𝑘 > 0, é indispensável para não
𝐸𝑠𝑝
deixar a magnitude da tensão 𝑉𝑘 cair abaixo de 𝑉𝑘𝑀𝑖𝑛 .
Entretanto, se 𝑄𝑘𝐶𝑎𝑐𝑙 < 𝑄𝑘 , a
injeção incremental ∆𝑄𝑘 será negativa, significando que, se ela for eliminada, a
magnitude da tensão 𝑉𝑘 aumentará, entrando na faixa permitida. Isso significa que, se
𝑉𝑘 = 𝑉𝑘𝑀𝑖𝑛 e 𝑄𝑘𝐶𝑎𝑙𝑐 < 𝑄𝑘 , a barra poderá ser reconvertida a seu tipo original, isto é
PQ. Por raciocínio análogo, chega-se à conclusão de que isso também é possível
quando 𝑉𝑘 = 𝑉𝑘𝑀𝑎𝑥 e 𝑄𝑘𝐶𝑎𝑙 > 𝑄𝑘 .
Foi mencionado nas subseções 1.2 e 1.3 que quando ocorre a mudança do tipo de
barra (PV para PQ ou PQ para PV) há a necessidade de se reestruturar a matriz
jacobiana. Os programas de fluxo de potência utilizam um artifício para que não seja
necessário redimensionar a matriz jacobiana todas as vezes que ocorrerem mudanças
nos tipos de barra. A ideia básica é montar a matriz completa, isto é, para todas as
barras do sistema, porém, na diagonal principal, aos elementos 𝜕𝑃𝑘 /𝜕𝜃𝑘 e 𝜕𝑄𝑘 /𝜕𝑉𝑘
são atribuídos valores muito grandes para a barra de referência e 𝜕𝑄𝑘 /𝜕𝑉𝑘 recebe um
valor muito grande para as barras PV.
Para ilustrar esse procedimento, considere o sistema de quatro barras mostrado na

Figura 2.2.
1 3
2 4
Figura 2.2: Sistema exemplo 1.
Considerando que barra 1 seja a referência angular, que a barra 2 e 4 sejam do tipo
PQ e que a barra 3 seja do tipo PV, a matriz jacobiana para esse sistema,
empregando a ideia mencionada anteriormente, poderá ter a seguinte estrutura.
80
Tabela 2.1: Estrutura da matriz jacobiana.

1 2 4 3 V1 V2 V4 V3
V P1 ∞ 0 0 0 0 0 0 0
𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2
P2 0 0 0
𝜕𝜃2 𝜕𝜃4 𝜕𝜃3 𝜕𝑉2 𝜕𝑉4
PQ
𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4
P4 0 0 0
𝜕𝜃2 𝜕𝜃4 𝜕𝜃3 𝜕𝑉2 𝜕𝑉4
𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3
PV P3 0 0 0
𝜕𝜃2 𝜕𝜃4 𝜕𝜃3 𝜕𝑉2 𝜕𝑉4
V Q1 0 0 0 0 ∞ 0 0 0
𝜕𝑄2 𝜕𝑄2 𝜕𝑄2 𝜕𝑄2 𝜕𝑄2
Q2 0 0 0
𝜕𝜃2 𝜕𝜃4 𝜕𝜃3 𝜕𝑉2 𝜕𝑉4
PQ
𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4
Q4 0 0 0
𝜕𝜃2 𝜕𝜃4 𝜕𝜃3 𝜕𝑉2 𝜕𝑉4
PV Q3 0 0 0 0 0 0 0 ∞
2.4 Transformadores com Ajuste Automático de Tap
O controle da magnitude da tensão pode também ser efetuado por meio de

transformadores com controle automático de tap. A fim de avaliar o efeito da
representação dos transformadores com tap variável no processo iterativo de
resolução das equações do fluxo de potência, considere um transformador em fase,
representado na Figura 2.3, cuja relação de transformação 𝑎𝑘𝑚 deve ser variada para
controlar a magnitude da tensão 𝐸𝑚 .
Figura 2.3: Transformador em fase com controle automático de tap.
As equações que regem os fluxos de potência ativa e reativa em um transformador em

fase são dadas por:
𝑃𝑘𝑚 = (𝑎𝑘𝑚 𝑉𝑘 )2 𝑔𝑘𝑚 − (𝑎𝑘𝑚 𝑉𝑘 )𝑉𝑚 𝑔𝑘𝑚 𝑐𝑜𝑠𝜃𝑘𝑚 − (𝑎𝑘𝑚 𝑉𝑘 )𝑉𝑚 𝑏𝑘𝑚 𝑠𝑒𝑛𝜃𝑘𝑚 (2.2)
𝑄𝑘𝑚 = −(𝑎𝑘𝑚 𝑉𝑘 )2 𝑏𝑘𝑚 + (𝑎𝑘𝑚 𝑉𝑘 )𝑉𝑚 𝑏𝑘𝑚 𝑐𝑜𝑠𝜃𝑘𝑚 − (𝑎𝑘𝑚 𝑉𝑘 )𝑉𝑚 𝑔𝑘𝑚 𝑠𝑒𝑛𝜃𝑘𝑚 (2.3)
81
A relação de sensibilidade mostrada em (2.4) pode ser utilizada na determinação da

correção da relação de transformação ∆𝑎𝑘𝑚 a ser introduzida na variável de controle
𝑎𝑘𝑚 objetivando corrigir o erro.
∆𝑎𝑘𝑚 = 𝛼∆𝑉𝑚 (2.4)
sendo:
𝐸𝑠𝑝
∆𝑉𝑚 = 𝑉𝑚 − 𝑉𝑚𝐶𝑎𝑙𝑐 (2.5)
𝐸𝑠𝑝
em que 𝑉𝑚 é o valor especificado e 𝑉𝑚𝐶𝑎𝑙𝑐 é o valor calculado na iteração mais
recente. Se a barra k for pouco suscetível às variações da relação de transformação
𝛼𝑘𝑚 , então, o fator de sensibilidade 𝛼 será aproximadamente unitário.
Um modo de representar o efeito da mudança automática de tap é utilizar o processo

de ajustes alternados. Outro modo é incluir o efeito da variação de tap no conjunto de
equações do subsistema 1. Para explicar como essa inclusão é feita, considere
novamente o transformador em fase apresentado na Figura 2.3, em que a variável de
controle 𝛼𝑘𝑚 regula a magnitude de tensão 𝐸𝑚 . A barra m passa a ser classificada
como sendo do tipo PQV, isto é, as variáveis Pm, Qm e Vm são especificadas. Com
isso, o subsistema 1 é alterado. A variável Vm é substituída pela variável 𝛼𝑘𝑚 . Com
essa alteração, a matriz jacobiana passa a ter a seguinte forma geral:
𝜕𝑃⁄ 𝜕𝑃⁄ 𝜕𝑃⁄ ∆𝜃 } 𝑁𝑃𝑄 + 𝑁𝑃𝑉 + 𝑁𝑃𝑄𝑉

∆𝑃 𝜕𝜃 𝜕𝑉 𝜕𝑎 (2.6)
[ ] = [𝜕𝑄 } 𝑁𝑃𝑄
∆𝑄 ⁄𝜕𝜃 𝜕𝑄⁄ 𝜕𝑄⁄ ] ∙ [∆𝑉 ]
𝜕𝑉 𝜕𝑎 ∆𝑎 } 𝑁𝑇 = 𝑁𝑃𝑄𝑉
em que NPQ é o número de barras PQ; NPV é o número de barras PV; NT é o número
de transformadores com controle automático de tap; e NPQV é o número de barras
PQV (a fim de facilitar a explicação, na Equação (2.6) foi considerado que todas as
barras PQV têm suas tensões reguladas por transformadores). Para uma melhor
compreensão da estrutura da matriz jacobiana, quando os transformadores com
controle automático de tap são representados diretamente nas equações do
subsistema 1, considere o sistema exemplo de 3 barras mostrado na Figura 2.4.
Suponha ainda que entre as barras 2 e 3 exista um transformador com controle
automático de tap e que a tensão na barra 3 seja controlada pela relação de
transformação 𝑎23 . Considere que a barra 1 seja do tipo V; a barra 2 do tipo PV e a
barra 3 do tipo PQV (barra de carga com tensão controlada). Nesse caso, a tensão V3
é substituída pela relação de transformação 𝑎23 e a matriz jacobiana para o sistema
exemplo é dada em (2.7).
82
Figura 2.4: Sistema exemplo.
𝜕𝑃2 𝜕𝑃2 𝜕𝑃2

⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑎
2 3 23
∆𝑃2 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 ∆𝜃2
[ ∆𝑃3 ] = ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑎 ∙ [ ∆𝜃3 ] (2.7)
2 3 23
∆𝑄3 ∆𝑎23
𝜕𝑄3 𝜕𝑄3 𝜕𝑄3
⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑎
2 3 23
[ ]
2.5 Transformadores Defasadores com Controle Automático

de Fase
Os transformadores defasadores são utilizados para controlar o fluxo de potência ativa

nos ramos onde são inseridos. As Equações (2.8) e (2.9) regem os fluxos de potência
ativa e reativa nos transformadores defasadores.
𝑃𝑘𝑚 = 𝑉𝑘2 𝑔𝑘𝑚 − 𝑉𝑘 𝑉𝑚 𝑔𝑘𝑚 cos(𝜃𝑘𝑚 + 𝜑𝑘𝑚 ) − 𝑉𝑘 𝑉𝑚 𝑏𝑘𝑚 𝑠𝑒𝑛(𝜃𝑘𝑚 + 𝜑𝑘𝑚 ) (2.8)
𝑄𝑘𝑚 = −𝑉𝑘2 𝑏𝑘𝑚 + 𝑉𝑘 𝑉𝑚 𝑏𝑘𝑚 cos(𝜃𝑘𝑚 + 𝜑𝑘𝑚 ) − 𝑉𝑘 𝑉𝑚 𝑔𝑘𝑚 𝑠𝑒𝑛(𝜃𝑘𝑚 + 𝜑𝑘𝑚 ) (2.9)
A simulação do controle de fluxo de potência ativa por meio do defasador pode ser
feita utilizando a relação de sensibilidade mostrada em (2.10).
∆𝜑𝑘𝑚 = 𝛼∆𝑃𝑘𝑚 (2.10)
em que ∆𝜑𝑘𝑚 é a correção introduzida na variável de controle 𝜑𝑘𝑚 e ∆𝑃𝑘𝑚 é o erro,

dado por:
𝐸𝑠𝑝 𝐶𝑎𝑙 (2.11)

∆𝑃𝑘𝑚 = 𝑃𝑘𝑚 − 𝑃𝑘𝑚
𝐸𝑠𝑝 𝐶𝑎𝑙
sendo𝑃𝑘𝑚 o valor especificado do fluxo no defasador e 𝑃𝑘𝑚 o valor calculado na
iteração mais recente.
Do mesmo modo que foi feito para o transformador em fase com controle automático
de tap, o transformador defasador com controle automático de fase pode também ser
representado pelo processo de ajustes alternados ou ser diretamente incluído no
83
conjunto de equações do subsistema 1. Sendo assim, para cada defasador são

𝐸𝑠𝑝
𝐶𝑎𝑙𝑐
incluídas uma nova equação (𝑃𝑘𝑚 − 𝑃𝑘𝑚 = 0) e uma nova variável dependente
(𝜑𝑘𝑚 ). Em (2.12) é apresentada a estrutura da matriz jacobiana quando os
transformadores defasadores são incluídos na modelagem.
𝜕𝑃⁄ 𝜕𝑃⁄ 𝜕𝑃⁄

𝜕𝜃 𝜕𝑉 𝜕𝜑
∆𝑃 𝜕𝑄⁄ 𝜕𝑄⁄ 𝜕𝑄 ∆𝜃 {𝑁𝑃𝑉 + 𝑁𝑃𝑄
𝜕𝜃 𝜕𝑉 ⁄𝜕𝜑 ∙ ∆𝑉 {𝑁𝑃𝑄 (2.12)
[ ∆𝑄 ] = [ ]
∆𝑃𝐷 𝜕𝑃𝐷⁄ 𝜕𝑃𝐷⁄ 𝜕𝑃𝐷 ∆𝜑 {𝑁𝐷
𝜕𝜃 𝜕𝑉 ⁄𝜕𝜑
[ ]
em que ND é o número de defasadores; ∆𝑃𝐷 é o vetor de resíduos cujos componentes

𝐸𝑠𝑝 𝐶𝑎𝑙𝑐
são 𝑃𝑘𝑚 − 𝑃𝑘𝑚 ; e ∆𝜑 é o vetor das correções nos ângulos de controle 𝜑𝑘𝑚 .
Para uma melhor compreensão da estrutura da matriz jacobiana para o caso em que
as equações que representam os transformadores com regulagem automática do
ângulo de fase são consideradas diretamente no conjunto de equações do subsistema
1, o sistema exemplo da Figura 2.4 será utilizado novamente. Considere agora que o
elemento que interliga as barras 2 e 3 seja um transformador defasador puro. (i.e.
𝑎𝑘𝑚 = 1). Nesse caso, o intuito é controlar o fluxo entre as barras 2 e 3, atuando sobre
o ângulo de fase 𝜑23 do transformador. Considere novamente que a barra 1 seja do
tipo V, a barra 2 do tipo PV e a barra 3 do tipo PQ. Observe que agora a matriz
jacobiana terá uma linha e uma coluna a mais, correspondentes à variável 𝛼23 e à
𝐸𝑠𝑝 𝐶𝑎𝑙𝑐
equação de fluxo ativo entre as barras 2 e 3 (∆𝑃23 = 𝑃23 − 𝑃23 ). A matriz jacobiana
para essa situação é mostrada em (2.13).
𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2

⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝜑
2 3 3 23
𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3

∆𝑃2 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝜑 ∆𝜃2
2 3 3 23
∆𝑃 ∆𝜃
[ 3]= ∙[ 3 ] (2.13)
∆𝑄3 𝜕𝑄3 𝜕𝑄3 𝜕𝑄3 𝜕𝑄3 ∆𝑉3
⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝜑
∆𝑃23 2 3 3 23 ∆𝜑23
𝜕𝑃23 𝜕𝑃23 𝜕𝑃23 𝜕𝑃23
⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝜑
2 3 3 23
[ ]
2.6 Controle de Intercâmbio entre Áreas
Em uma rede interligada é necessário que sejam controlados os intercâmbios de

potência ativa entre as várias áreas que compõem o sistema. Em uma rede com NA
áreas são controlados os intercâmbios de NA – 1 áreas, pois o intercâmbio de uma
delas fica definido pelas demais.
O intercâmbio líquido de potência ativa de uma área é definido como a soma algébrica
dos fluxos nas linhas e transformadores que interligam essa área com as demais (as
exportações são consideradas positivas e as importações negativas). A cada área do
84
sistema é associada uma barra de folga (slack), sendo que a barra de folga de uma
das áreas funciona também como barras de folga do sistema (em geral é uma barra
do tipo V, que serve também como referência angular para o sistema). Com exceção
da barra de folga do sistema, as injeções de potência ativa nas barras de folga das
demais áreas são ajustadas para manter o intercâmbio líquido dessas áreas nos
valores especificados. É possível notar que o controle de intercâmbio regula o
intercâmbio total de uma área, ou seja, mantém em um valor especificado a soma
algébrica dos intercâmbios individuais nas linhas e nos transformadores que interligam
a área com o resto do sistema. Se, além do intercâmbio líquido, for necessário o
controle de fluxo de potência ativa em uma ligação específica, deve-se utilizar um
transformador defasador.
Um maneira de se considerar o controle de intercâmbio entre áreas consiste em

intercalarem-se as correções dadas pela relação de sensibilidade entre duas iterações
consecutivas do processo iterativo de resolução do subsistema 1. Nesse caso, o
controle pode ser representado por:
∆𝑃𝐺𝑖 = 𝛼∆𝑃𝑇𝑖 (2.14)
em que 𝛼 = 1; ∆𝑃𝐺𝑖 é a correção na geração da barra de folga da área i; ∆𝑃𝑇𝑖 é o erro

no intercâmbio líquido da barra i, dado por:
𝐸𝑠𝑝 (2.15)
∆𝑃𝑇𝑖 = 𝑃𝑇𝑖 − 𝑃𝑇𝑖𝐶𝑎𝑙𝑐
𝐸𝑠𝑝
sendo𝑃𝑇𝑖 o valor especificado para o intercâmbio da área i; e 𝑃𝑇𝑖𝐶𝑎𝑙𝑐 o valor de
intercâmbio na área i calculado na iteração mais recente.
A representação do controle de intercâmbio entre áreas também pode ser feita por
alterações introduzidas no subsistema 1, conforme se mostra a seguir. As barras de
folga dessas áreas, com exceção da barra de folga do sistema (barra V), são
classificadas como tipo V (só as magnitudes das tensões são especificadas), ou seja,
as injeções de potência ativa nessas barras deixam de ser especificadas e as
𝐸𝑠𝑝
equações dos resíduos correspondentes (𝑃𝑘 − 𝑃𝑘𝐶𝑎𝑙𝑐 ) saem do subsistema 1 e 𝑃𝑘
passa a ser calculada no subsistema 2. No lugar dessa equação é introduzida a
𝐸𝑠𝑝
equação de intercâmbio da área (𝑃𝑇𝑖 − 𝑃𝑇𝑖𝐶𝑎𝑙𝑐 = 0), mantendo-se dessa forma a
igualdade entre o número de equações e incógnitas do subsistema 1. Em (2.16) é
apresentada a estrutura da matriz jacobiana quando são modelados os intercâmbios
entre áreas.
𝜕𝑃⁄ 𝜕𝑃⁄ 𝜕𝑃⁄

𝜕𝜃 𝜕𝑉 𝜕𝜃𝐹
∆𝑃 ∆𝜃 }𝑁𝑃𝑄 + 𝑁𝑃𝑉
𝜕𝑄⁄ 𝜕𝑄⁄ 𝜕𝑄 (2.16)
[ ∆𝑄 ] = 𝜕𝜃 𝜕𝑉 ⁄𝜕𝜃 ∙ [ ∆𝑉 ] }𝑁𝑃𝑄
𝐹
∆𝑃𝑇 ∆𝜃𝐹 }𝑁𝑉 = 𝑁𝐴 − 1
𝜕𝑃𝑇⁄ 𝜕𝑃𝑇⁄ 𝜕𝑃𝑇⁄
[ 𝜕𝜃 𝜕𝑉 𝜕𝜃𝐹 ]
em que NV é o número de barras do tipo V e NA é o número de áreas.

85
2.7 Controle de Tensão em Barras Remotas
O controle de tensão pode ser executado tanto por injeção de reativos quanto por
transformadores com controle de tap. No caso do controle exercido por
transformadores com variação de tap, a modelagem é semelhante àquela que foi
apresentada na seção 1.5, exceto pelo fato da tensão controlada não ser um dos
terminais do transformador.
Quando o controle remoto de magnitude de tensão é feito por injeção de reativo, há

algumas diferenças em relação ao caso em que a injeção de reativo é utilizada para
controlar a tensão da própria barra. A barra de controle é classificada como do tipo P
(só injeção de potência ativa Pk é especificada), enquanto a barra cuja magnitude de
tensão é controlada, é especificada como tipo PQV. Uma barra tipo P é representada
𝐸𝑠𝑝
no subsistema 1 por uma equação (𝑃𝑘 − 𝑃𝑘𝐶𝑎𝑙𝑐 = 0) e uma barra tipo PQV pelas
equações (𝑃𝑘 − 𝑃𝑘𝐶𝑎𝑙𝑐 = 0 e𝑄𝑘 − 𝑄𝑘𝐶𝑎𝑙𝑐 = 0). Uma barra tipo P está associada às
incógnitas Vk e k do subsistema 1 e uma barra do tipo PQV está associada à
incógnita k. Desse modo, um par formado por uma barra tipo P (barra de controle) e
uma barra tipo PQV (barra controlada) contribui para o subsistema 1 com três
equações e três incógnitas. Logo, a estrutura da matriz jacobiana, levando-se em
conta a representação do controle remoto de magnitude de tensão, é dada em (2.17).
𝜕𝑃⁄ 𝜕𝑃⁄
∆𝑃 𝜕𝜃 𝜕𝑉 ∆𝜃 }𝑁𝑃𝑄 + 𝑁𝑃𝑉 + 𝑁𝑃 (2.17)
[ ] = [𝜕𝑄 𝜕𝑄⁄ ] ∙ [∆𝑉 ] }𝑁𝑃𝑄 + 𝑁𝑃
∆𝑄 ⁄
𝜕𝜃 𝜕𝑉
em que NP = NPQV é o número de barras com controle remoto de tensão.
Para uma melhor visualização da estrutura da matriz jacobiana, quando se

representam as barras com controle remoto de tensão, considere o sistema exemplo
da Figura 5. Note que a tensão da barra 5 é controlada pela tensão da barra 3. Nesse
caso, a barra três é do tipo P, enquanto que a barra 5 é do tipo PQV. A estrutura da
matriz jacobiana para esse sistema é mostrada em (2.18).
1-V
4-PQ
2-PV
3-P 6-PQ
Figura 2.5: Sistema exemplo 2.

86
𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2 𝜕𝑃2

⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉
2 3 4 5 6 3 4 6
𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3 𝜕𝑃3
⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉
2 3 4 5 6 3 4 6
∆𝑃2 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 𝜕𝑃4 ∆𝜃2
∆𝑃3 ⁄ 𝜕𝜃2 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉 ∆𝜃3
3 4 5 6 3 4 6
∆𝑃4 𝜕𝑃5 𝜕𝑃5 𝜕𝑃5 𝜕𝑃5 𝜕𝑃5 𝜕𝑃5 𝜕𝑃5 𝜕𝑃5 ∆𝜃4
∆𝑃5 ⁄ 𝜕𝜃2 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉 ∆𝜃5
= 3 4 5 6 3 4 6
∙ (2.18)
∆𝑃6 𝜕𝑃6 𝜕𝑃6 𝜕𝑃6 𝜕𝑃6 𝜕𝑃6 𝜕𝑃6 𝜕𝑃6 𝜕𝑃6 ∆𝜃6
⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉
∆𝑄4 2 3 4 5 6 3 4 6 ∆𝑉3
∆𝑄5 𝜕𝑄 4⁄ 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 𝜕𝑄4 ∆𝑉4
𝜕𝜃2 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉
[∆𝑄6 ] 3 4 5 6 3 4 6 [∆𝑉6 ]
𝜕𝑄5 𝜕𝑄5 𝜕𝑄5 𝜕𝑄5 𝜕𝑄5 𝜕𝑄5 𝜕𝑄5 𝜕𝑄5
⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉
2 3 4 5 6 3 4 6
𝜕𝑄6 𝜕𝑄6 𝜕𝑄6 𝜕𝑄6 𝜕𝑄6 𝜕𝑄6 𝜕𝑄6 𝜕𝑄6
[ ⁄𝜕𝜃2 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝜃 ⁄𝜕𝑉 ⁄𝜕𝑉 ⁄𝜕𝑉 ]
3 4 5 6 3 4 6
3. REFERÊNCIAS
[1] Monticelli, A. Fluxo de Carga em Redes de Energia Elétrica. São Paulo: Edgard
Blücher, 1983.
CAPÍTULO 3 - ESTIMAÇÃO DE
ESTADOS EM SISTEMAS
ELÉTRICOS DE POTÊNCIA
1. INTRODUÇÃO
Nas últimas décadas, a filosofia para a operação de sistemas de potência tem se

caracterizado pela incorporação de funções que visam à avaliação em tempo real da
segurança do sistema. A implantação e coordenação destas funções são realizadas
em modernos Centros de Operação de Sistemas (COS), sendo essa uma tendência
crescente na maioria das empresas de energia elétrica. Mais recentemente, a
desregulamentação do setor elétrico e o estabelecimento de um mercado “spot” de
energia fizeram com que a operação de equipamentos e linhas de transmissão se
aproximasse perigosamente de seus limites operativos. Adicionalmente, na última
década, a quase ausência de investimentos relevantes em obras de expansão dos
sistemas de transmissão fizeram aumentar ainda mais a importância dos COS no
cumprimento de suas funções.
A avaliação automática de segurança da operação de um sistema elétrico é feita a

partir da execução básica de duas funções que são: Monitoração de Segurança e
Análise de Segurança. O desempenho destas funções depende da disponibilidade de
informações confiáveis a respeito do ponto de operação atual do sistema. Essa função
é executada pelo Estimador de Estados em Sistemas de Potência (EESEP) [1].
O estimador de estados é constituído de um conjunto de algoritmos que processam

telemedidas que são fornecidas pelo sistema supervisório de controle e de aquisição
de dados (SCADA – Supervisory Control and Data Aquisition) instalado no sistema. As
telemedidas são, em geral, redundantes e corrompidas por erros de medição, que têm
diversas origens, dentre as quais podem ser citadas a conversão analógico-digital da
grandeza elétrica e a transmissão dos dados até os COS.
As grandezas elétricas monitoradas são processadas pelo estimador com o objetivo

de fornecer estimativas confiáveis para os estados da rede. Estes últimos
correspondem às tensões (módulo e ângulo) nas barras do sistema elétrico e,
adicionalmente, posição de taps de transformadores e ângulo de disparo de tiristores
existentes nos conversores de elos em corrente contínua.
A principal expectativa é de que as estimativas obtidas para todas as grandezas

elétricas sejam mais confiáveis do que as mesmas grandezas medidas. Basicamente,
a forma de obtenção dos estados da rede elétrica é que diferencia a qualidade dos
resultados obtidos por meio do estimador de estados e do fluxo de potência.
88
1.1 Estados Operativos da Rede
A operação da rede elétrica deve satisfazer a três conjuntos de restrições. O primeiro

corresponde aos limites operativos individuais dos componentes do sistema
(equipamentos + linhas de transmissão). O segundo conjunto de restrições a serem
satisfeitas representa o atendimento à carga distribuída entre os diversos pontos do
sistema. O terceiro representa a capacidade de o sistema satisfazer os limites
operacionais na hipótese da perda de algum equipamento. A representação
matemática de tais conjuntos pode ser expressa da seguinte maneira:
 Restrições de carga: 𝑔(𝑥, 𝑢) = 0;
 Restrições operativas: 𝐿𝑖𝑚𝐼𝑛𝑓 ≤ ℎ(𝑥, 𝑢) ≤ 𝐿𝑖𝑚𝑆𝑢𝑝 ;
 Restrições de segurança: 𝐿𝑖𝑚𝐼𝑛𝑓 ≤ 𝑠(𝑥, 𝑢) ≤ 𝐿𝑖𝑚𝑆𝑢𝑝 .
Conforme as restrições vão sendo violadas (ou estão na eminência) o sistema assume
uma dada condição operativa. A Figura 3.1 ilustra como o resultado fornecido pelo
estimador de estados pode sinalizar ao operador sobre o estado atual da rede. Isso
permite ao operador decidir sobre quais ações de controle mais efetivas podem ser
adotadas para resgatar a margem de segurança operativa desejada. Além da
coordenação das funções de segurança, a Figura 3.1 também mostra as possíveis
transições entre os pontos operativos do sistema.
Figura 3.1: Estados operativos de um sistema elétrico.

89
A definição de cada um dos estados operativos do sistema é apresentada a seguir:
Normal: Neste estado tanto as restrições de carga quanto de operação e segurança

são atendidas. Em outras palavras, o sistema é capaz de atender a toda a demanda
sem violar os limites de operação. A observância das restrições de segurança significa
que nenhuma contingência prevista é capaz de levar o sistema ao estado de
emergência. Entretanto, a ocorrência de uma contingência imprevista (considerada
impossível) poderá levar o sistema para o estado de emergência.
Alerta: Neste estado são obedecidas apenas as restrições de carga e operação. Nem
todas as restrições de segurança são obedecidas. De modo semelhante ao estado
normal, o sistema é capaz de atender todas as cargas sem violar nenhum limite
operacional. A não observância das restrições de segurança significa que a ocorrência
de pelo menos uma das contingências previstas poderá levar o sistema a uma
situação de emergência.
Emergência: Esse estado é caracterizado pela violação das restrições de operação. A

emergência pode ser provocada por uma contingência e consequente desligamento de
um ou mais componentes do sistema (linhas, geradores, transformadores, etc.). A
eliminação da emergência pode ser feita com a passagem do sistema para o estado
de alerta ou, então, pelo desligamento de partes do sistema (e.g.: cargas), o que
levaria o sistema para o estado restaurativo.
Restaurativo: Esse estado é alcançado quando uma emergência é eliminada por

desligamento manual ou automático de parte do sistema, efetuado pelo centro de
controle ou por dispositivos locais. As restrições operacionais são obedecidas, mas o
sistema não é capaz de atender a todas as cargas.
Extremo: Nesse caso, mesmo sem a ocorrência de uma das contingências previstas,
o sistema já se encontra em uma situação na qual há violação de limites operativos
e/ou partes do sistema estão desligadas (e.g. cargas não atendidas).
A ocorrência de qualquer tipo de distúrbio na rede, ou seja, uma contingência de maior

ou menor severidade pode fazer o ponto operativo da rede se deslocar para uma das
condições operativas descritas na figura anterior, isto é: alerta, emergência, extremo
ou restaurativo. A partir dessa sinalização, o operador executa as ações de controle
necessárias para restabelecer a normalidade operativa da rede.
2. MODERNOS CENTROS DE OPERÇÃODESISTEMAS
Essa seção tem por objetivo fazer uma apresentação sucinta das principais funções
executadas nos centros de operação em tempo real.
2.1 Centro de Operação de Sistemas - COS
A Figura 3.2 apresenta a sequência de funções executadas num Centro de Operação

de Sistemas (COS). As funções realizadas no COS objetivam assegurar a
normalidade operativa da malha principal do sistema de transmissão.
90
Figura 3.2: Sequência de operação em tempo real na transmissão.
2.2 Principais Funções Executadas no COS
Uma breve descrição sobre cada uma das funções mais executadas no COS é
realizada a seguir:
 Banco de Dados: Essa função armazena os parâmetros de todos os

componentes da rede monitorada, tais como: linhas de transmissão,
transformadores, reatores, banco de capacitores, etc. O banco de dados deve
ser constantemente atualizado. Em outras palavras, os parâmetros
processados pelo estimador de estados devem corresponder exatamente
àqueles referentes aos componentes efetivamente energizados na rede.
 Configurador de Rede: A função deste aplicativo é processar as medidas

digitais monitoradas e definir a topologia da rede. As medidas digitais
91
processadas correspondem aos estados operativos de chaves e disjuntores,

por exemplo, 0 para aberto e 1 para fechado.
 Pré-filtragem: Essa função objetiva excluir informações que violam

grosseiramente as hipóteses concebidas no modelo de medição do estimador
de estados. Geralmente, erros do tipo topológicos, que são causados por
falhas relativas à sinalização da condição operativa de chaves e disjuntores,
são detectados e eliminados nesta fase.
 Estimador de Estados: Essa função tem por objetivo principal monitorar a

segurança operativa da rede elétrica. Ela é o escopo do presente documento.
 Manutenção da Segurança Operativa: Por meio da análise dos resultados

fornecidos pelo estimador de estados, é possível verificar se o estado operativo
atual da rede é normal, alerta, emergencial, extremo ou restaurativo. A partir
dessa verificação, conforme for o caso, permite-se adotar as medidas de
controle necessárias para restabelecer a normalidade operativa da rede.
 Análise de Sensibilidade: Essa função permite identificar dentre os controles

disponíveis, quais são os mais efetivos no restabelecimento da normalidade
operativa da rede. Os índices de sensibilidade são bastante úteis nos ajustes
de fluxo de potência face à indisponibilidade de elementos da rede (N – 1). A
partir do ponto operativo definido nesses estudos, dá-se o início aos estudos
de transitórios eletromecânicos frente ao elenco das contingências mais críticas
que podem ocorrer no sistema.
 Análise de Contingências: Essa função utiliza as ferramentas de cálculo de

fluxo de carga e transitórios eletromecânicos. Tais estudos permitem planejar a
expansão da rede e subsidiar a manutenção quanto à solicitação de
desligamento de componentes do sistema.
 Ações de Controle: A execução das funções descritas anteriormente, mesmo

que parcial, permite realizar as ações de controle necessárias à manutenção
da segurança operativa da rede ou restabelecer a sua normalidade.
 Outras Funções: Não menos importantes que as funções descritas

anteriormente, com base nos resultados do estimador de estados, que
armazenado num banco de dados representa o histórico da operação, pode-se
realizar as seguintes funções adicionais:
 minimização de perdas;
 despacho ótimo da geração;
 avaliação da capacidade máxima de transferência de potência, etc.

92
2.3 Centro de Operação de Distribuição - COD
A Figura 3.3 apresenta a sequência de funções executadas num Centro de Operação

de Distribuição (COD). As funções realizadas no COD objetivam assegurar o
cumprimento dos índices de qualidade operativa estabelecidos pelas agências
reguladoras.
Figura 3.3: Sequência de operação em tempo real na distribuição.
2.3.1 Principais Funções Existentes no COD
Além das funções pertinentes ao monitoramento de sistemas de distribuição listadas a

seguir, as funções executadas no COD podem ser agrupadas em duas categorias bem
definidas, que serão descritas nas subseções subsequentes.
 Banco de Dados: Essa função armazena os parâmetros dos circuitos

alimentadores, ramais, transformadores, reguladores de tensão, bancos de
capacitores e iluminação pública instalados nos sistemas de distribuição.
 Configurador de Rede: Essa função define a topologia dos alimentadores e

ramais de distribuição. Isso é possível por meio do processamento do status
operativo de chaves e disjuntores (aberto ou fechado).
93
 Terminais de Monitoração de Controle: Nessas unidades são centralizadas

todas as funções de decisão e execução das ações de controle necessárias
para manter a normalidade operativa da rede.
2.3.2 Funções Técnicas
As principais funções técnicas executadas no COS estão listadas à esquerda na

Figura 3.3 e podem ser descritas da seguinte maneira:
 Fluxo de Potência: Diante da perspectiva de conexão ao sistema de

distribuição de produtores independentes de energia, a ferramenta de fluxo de
potência é usada em substituição aos aplicativos que calculam meramente a
queda de tensão em circuitos alimentadores e ramais de distribuição. Para
essa aplicação são necessários algoritmos mais adequados, tais como a
obtenção da solução de um fluxo de carga por meio do método de injeção de
corrente e/ou modelos mais realistas, como a representação “abc” ou fluxo de
carga trifásico.
 Estimadores de Estados: A carência de informações por algum tempo inibiu a

utilização de estimadores de estados em sistemas de distribuição. No entanto,
o desenvolvimento, implantação e aplicação de modernos sistemas de
comunicação via cabos de fibras óticas em serviços de telefonia, TV a cabo e
internet, além da disponibilidade de uma nova geração de medidores de
energia dotados de hardware com protocolos de comunicação tipo TCP/IP,
permitem resolver o problema da necessária redundância de informação.
 Controle de Tensão e Reativos: Essa função só pode ser exercida

eficientemente à medida que o sistema de monitoramento e automação de
sistemas de distribuição seja implantado.
 Controle de Geração Distribuída: A tendência crescente de produtores

independentes se conectarem às redes de distribuição deve ser regulamentada
e rigorosamente controlada pela concessionária.
 Localizador de Faltas: Essa função objetiva isolar o circuito defeituoso, repará-

lo e reconectá-lo ao sistema rapidamente, para não violar os índices de
qualidade, tipo: DEC, FEC, DIC, FIC, entre outros em estudo, que são
estabelecidos pela agência reguladora dos serviços.
 Reconfigurador de Redes: Essa função auxilia a recomposição do sistema

após a ocorrência de alguma falha na rede.
 Previsor de Carga: Essa função aplicada à distribuição, num horizonte de longo

prazo, objetiva principalmente estabelecer uma correlação geográfica auxiliar
no planejamento da expansão de sistemas de distribuição. No curto prazo,
auxilia a execução da função de reconfigurar a rede com o intuito de evitar
sobrecargas em elementos integrantes do sistema de distribuição (por
exemplo, transformadores).
94
2.3.3 Funções Gerenciais e Comerciais
 Sistema de Informações Geográficas: Essa função gerencia o cadastro da rede

de distribuição. O cadastramento da rede de distribuição é georeferenciado e,
preferencialmente, prioriza informações sobre a localização do poste,
instalação de equipamentos de distribuição (transformadores, chaves,
reguladores de tensão, etc.), tipos de consumidores conectados à rede, ou
seja: industrial, comercial ou residencial. Informa se a estrutura (poste) é
partilhada com outros tipos de prestadores de serviço, por exemplo, telefonia,
TV a cabo e internet.
 Sistema de Informações Comerciais: Essa função é a responsável pela parte

contratual na prestação de serviços de energia elétrica e tem valor jurídico. Nos
escritórios comerciais são pactuados os valores de tarifas praticadas em
concordância com a política vigente para cada classe de consumidor.
 Central de Atendimento: Essa função desempenha importante papel na

operação dos sistemas de distribuição. Ela representa um dos canais de
comunicação entre a empresa e seus clientes. O relato da ocorrência de falhas
na rede de distribuição permite acionar as equipes de plantão e agilizar o
restabelecimento da normalidade operativa da rede.
 Gerenciamento de Eventos: Essa função objetiva estabelecer uma escala de

prioridade no atendimento às ocorrências de falha na rede de distribuição.
 Previsor de Mercado: Analisa todas as solicitações de conexões de novas

instalações, quer sejam residenciais, comerciais ou industriais. Tais
informações irão subsidiar os estudos de planejamento da expansão dos
sistemas de distribuição.
 Controle de Perdas: Objetiva maximizar o desempenho operativo da rede e

subsidiar o programa de manutenção e reformas da rede de distribuição.
3. PRINCIPAIS CARACTERÍSTICAS DOS ESTIMADORES DE

ESTADOSEM SEP
A principal função da Estimação de Estados em Sistemas de Potência é fornecer uma

base de dados em tempo real e confiável que permite ao operador do sistema manter
a segurança operativa da rede. Geralmente, as medidas processadas pelo estimador
de estados são do tipo:
 Magnitudes das tensões (V);
 Fluxos de potência ativa (t) e reativa (u);
 Excepcionalmente, a corrente elétrica (I) em alimentadores de distribuição de

energia elétrica.
95
Com base nas medidas efetuadas permite-se estimar valores para a tensão complexa
em todas as barras da rede elétrica, o que descreve completamente o estado do
sistema em regime permanente de funcionamento. Consequentemente, outras
quantidades não medidas diretamente, isto é, obtidas sem a utilização de instrumentos
de medição (injeções de potência ativa e reativa em barras de transferência), podem
ser estimadas e representam informações igualmente relevantes, capazes de revelar a
margem de segurança operativa do sistema.
4. APLICAÇÃO DOS RESULTADOS DA ESTIMAÇÃO DE

ESTADOS EM SEP
Dentre as principais aplicações dos resultados fornecidos pelo estimador de estados,

destacam-se:
 Monitoração de Segurança, cujo objetivo é observar a condição operativa do

sistema e verificar se esta é normal, de alerta, de emergência, ou restaurativa;
 Análise de Segurança, cuja primeira função é determinar os efeitos de

eventuais contingências na rede (defeitos, i.e., desligamento de
transformadores e linhas de transmissão);
 Previsão de Carga;
 Despacho Ótimo da Geração;
 Planejamento da Manutenção.
5. CLASSIFICAÇÃO DOS ESTIMADORES DE ESTADOS
Quanto ao modo de processar as telemedidas, os estimadores de estados podem ser

classificados em [2]-[4]:
 Estimadores tipo “batch”, no qual o conjunto de grandezas medidas é

processado simultaneamente;
 Estimadores tipo sequenciais, no qual as grandezas medidas são processadas

individualmente, isto é, uma por vez.
Os estimadores do tipo “batch”, quanto à formulação matemática, podem ainda ser

classificados em:
 Estimadores baseados no método de Mínimos Quadrados Ponderados (MQP);
 Estimadores baseados no método de Mínimo Valor Absoluto [5].
Os estimadores baseados no método MQP, quanto ao algoritmo de solução, podem

ser classificados em:
 Solução via Equação Normal de Gauss (Método Clássico) [1];

96
 Solução via Métodos Ortogonais (Golub, Rotações de Givens) [6]-[7];
 Solução via Métodos Híbridos [8];
 Solução via Métodos da Matriz Aumentada (Hactel’s Method) [9];
 Solução via Método Desacoplado Rápido [10].
6. MÍNIMOS QUADRADOS PONDERADOS (MQP) –

ABORDAGEM CLÁSSICA
A formulação clássica do problema de mínimos quadrados ponderados foi

pioneiramente proposta por Gauss em 1795. A apresentação da referida formulação é
feita com auxílio da Figura 3.4, mostrada a seguir. Nessa figura estão indicadas as
coordenadas (xi, yi) no espaço R2 que representam o conjunto F de observações feitas
sobre um dado experimento, isto é:
𝐹 = {(𝑥1 , 𝑦1 ), (𝑥2 , 𝑦2 ), ⋯ , (𝑥𝑚 , 𝑦𝑚 )} (3.1)
em que o parâmetro xi, geralmente, representa o instante em que a observação yi é

feita.
Com base nas observações realizadas, o problema de fazer estimativas ou previsões

num instante 𝑥̂ pode ser contornado por meio da abordagem clássica de encontrar
uma função y = f(x) que melhor se ajuste aos pares ordenados (xi,yi) em F, de tal
forma que o experimento possa ser estimado em qualquer instante não observado 𝑥̂,
cujo resultado pode ser avaliado pela função 𝑦̂ = 𝑓(𝑥̂).
Figura 3.4: Representação do problema de regressão linear.

97
A equação da função do exemplo mostrado na figura anterior é do tipo f(x) = ax + b.

Portanto, o problema se resume em determinar os coeficientes a e b da equação da
reta que melhor se ajusta aos pares ordenados (xi, yi) em F, para que a soma dos
quadrados das distâncias verticais, isto é, dos erros ε1, ε2,...,εm, seja mínima. A distância
de (xi, yi) à reta f(x) = ax + b pode ser conhecida pela expressão:
𝜀𝑖 = |𝑓(𝑥𝑖 ) − 𝑦𝑖 | = |𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 | (3.2)
Então, o problema pode ser resolvido pela minimização da função quadrática do erro,
objetivando determinar os coeficientes a e b da equação da reta que resulta no menor
valor da função objetivo:
𝑚 𝑚
(3.3)
𝑀𝑖𝑛 𝑧 = ∑ 𝜀𝑖2 = ∑(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 )2
𝑖=1 𝑖=1
Uma das primeiras técnicas de cálculo do valor mínimo de uma função consiste em
determinar a solução do sistema de equações descrito abaixo:
𝑚
𝜕[∑𝑚 2
𝑖=1(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 ) ]
= 2 ∑(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 )𝑥𝑖 = 0
𝜕𝑎
𝑖=1
𝑚 (3.4)
𝜕[∑𝑚
𝑖=1(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 )2 ]
= 2 ∑(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 ) = 0
{ 𝜕𝑏
𝑖=1
Agrupando os termos semelhantes no sistema de equações acima, obtém-se:
𝑚 𝑚 𝑚
(∑ 𝑥𝑖 ) 𝑏 + (∑ 𝑥𝑖2 ) 𝑎 = ∑(𝑥𝑖 ∙ 𝑦𝑖 )
𝑖=1 𝑖=1 𝑖=1
𝑚 𝑚 𝑚 (3.5)
(∑ 1) 𝑏 + (∑ 𝑥𝑖 ) 𝑎 = ∑ 𝑦𝑖
{ 𝑖=1 𝑖=1 𝑖=1
O conjunto de equações mostradas em (3.5) pode ser posto na seguinte forma

matricial:
𝑥1 1 𝑦1
𝑥2 1 𝑦2 𝑎
𝐴=[ ]; 𝑦 = [ ⋮ ]; 𝑥 = [ ]; (3.6)
⋮ ⋮ 𝑏
𝑥𝑚 1 𝑦𝑚
A solução do sistema de equações anterior pode ser obtida pelo método da Equação
Normal de Gauss, ou seja:
̂
(𝑨𝑡 𝑨)−1 × 𝑨𝑡 𝒚 = 𝑮−1 × 𝒃 (3.7)
98
Sendo,
𝑮 = 𝑨𝑡 𝑨 e ̂𝒃 = 𝑨𝑡 𝒚 (3.8)
Finalmente, deve-se observar que a soma total dos quadrados dos erros ou resíduos
(r) pode ser conhecida a partir da seguinte expressão:
𝑚 𝑚
∑ 𝑟𝑖2 = ∑(𝑎𝑥𝑖 + 𝑏 − 𝑦𝑖 )2 = (𝑨𝒙 − 𝒃)𝑡 × (𝑨𝒙 − 𝒃) = 𝒓𝑡 × 𝒓 (3.9)

𝑖=1 𝑖=1
Exemplo:
A administração de uma empresa deseja fazer o seu planejamento financeiro anual
com base no seguinte histórico de vendas, expressas em milhões de Reais:
Ano 1 2 3 4 5
Vendas Realizadas 23 27 30 34 ?
Valores Estimados
Qual a expectativa de vendas para o quinto ano?
Solução:
Uma maneira de solucionar o problema proposto é pela minimização da função

quadrática dos resíduos que, em outras palavras, representa a determinação dos
coeficientes da equação da reta que melhor se ajustas às observações realizadas nos
últimos quatro anos. Sendo assim, pode-se escrever:
1 1 23
2 1 27 𝑎
𝐴=[ ]; 𝑦 = [ ]; 𝑥=[ ]
3 1 30 𝑏
4 1 34
Efetuando os cálculos:
30 10 303
𝐺=[ ]; 𝑏=[ ]
10 4 114
A solução desejada é:
3,6
𝑥=[ ]
19,5
O que permite definir a seguinte equação de reta:
𝑓(𝑥) = 3,6𝑥 + 19,5
Finalmente, o valor estimado para as vendas no quinto ano é: 37,5 milhões de reais.
99
Com base na função obtida, pode-se determinar a soma ponderada dos quadrados
dos resíduos (SPQR), que representa a norma Euclidiana (norma 2) do vetor de erros,
ou seja:
Ano 1 2 3 4
Vendas Realizadas 23 27 30 34
Valores Estimados 23,1 26,7 30,3 33,9
𝜖 = 𝑟 = 𝑦 − 𝑦̂ -0,1 0,3 -0,3 0,1
𝑟2 0,01 0,09 0,09 0,01
Logo:
4
𝑆𝑃𝑄𝑅 = ∑ 𝑟𝑖2 = 0,2

𝑖=1
Este índice representa a soma dos quadrados dos erros de cada estimativa (𝑟𝑖2 )
cometidos no processo de estimação das grandezas desejadas. Usualmente, o índice
SPQR é utilizado em bases estatísticas para inferir a existência (detecção) de
observações errôneas.
No exemplo anterior, os erros cometidos nas observações realizadas são ponderados

igualmente, i.e., recebem uma ponderação unitária. No caso das observações feitas
por instrumentos que possuem classes de precisão diferentes, é razoável supor que
as medidas mais precisas devem influir mais nas estimativas do que aquelas de menor
confiança. Uma forma de modelar matematicamente esse fato é ponderar os erros
cometidos (𝑟𝑖 ) pelo valor correspondente do desvio-padrão (𝜎𝑖 ) do medidor. Sendo
assim, define-se a matriz de convariâncias dos erros de medição como sendo:
𝜎12
𝜎22
𝑹=
⋱
[ 𝜎𝑛2 ]
A introdução da matriz R nas Equações (3.7-3.9) transformam estas últimas em:
̂
𝒙 = (𝑨𝑡 × 𝑹−1 × 𝑨)−1 × 𝑨𝑡 × 𝑹−1 × 𝒚 = 𝑮−1 × 𝒃 (3.10)
̂ = 𝑨𝑡 × 𝑹−1 × 𝒚
𝐺 = 𝑨𝑡 × 𝑹−1 × 𝑨 e 𝒃 (3.11)
𝑚
𝑟𝑖 2
∑ ( ) = (𝑨𝒙 − 𝒃)𝑡 × 𝑹−1 × (𝑨𝒙 − 𝒃) = 𝒓𝑡 × 𝑹−1 × 𝒓 (3.12)
𝜎𝑖
𝑖=1
100
7. ESTIMADOR DE ESTADOS LINEARIZADO (DC)
7.1 Considerações Iniciais
Embora seja de pouco interesse para aplicação prática, o estimador de estados

linearizado é importante como ferramenta auxiliar no aprendizado dos métodos e
técnicas ligados à estimação de estados em sistemas de potência. As hipóteses
simplificadoras em que se baseia, embora limitem bastante a abrangência e validade
de seus resultados, permitem a simplificação para uma forma não iterativa que facilita
o entendimento dos diversos métodos de solução da estimação de estados. Além
disso, o estimador linearizado é útil na interpretação de técnicas de processamento de
erros grosseiros, de análise de observabilidade, etc.
7.2 Hipóteses Simplificadoras
O estimador de estados linearizado baseia-se nas mesmas hipóteses simplificadoras

utilizadas para o chamado “fluxo de potência DC”, ou seja:
1 As magnitudes de tensão nas barras do sistema de potência são todas

consideradas iguais a 1.0 pu;
2 As resistências e susceptâncias shunts das linhas de transmissão são supostas

desprezíveis;
3 As aberturas angulares das linhas são supostas pequenas o suficiente para

justificar a aproximação:
𝑠𝑒𝑛(𝛿𝑖 − 𝛿𝑗 ) ≈ (𝛿𝑖 − 𝛿𝑗 ) [radianos] (3.13)
Considerando-se as hipóteses acima, as relações entre os fluxos e injeções de

potência ativa com os ângulos das tensões nas barras são dadas por:
𝑡𝑖𝑗 = 𝛾𝑖𝑗 × (𝛿𝑖 − 𝛿𝑗 ) (3.14)
𝑝𝑖 = ∑ 𝑡𝑖𝑘 (3.15)
𝑘∈Ω𝑖
sendo
1
𝛾𝑖𝑗 = (3.16)
𝑥𝑖𝑗
Na Equação (3.15) o termo Ω𝑖 representa o conjunto de barras adjacentes à barra i.

101
7.3 Estrutura de Dados do Estimador DC
7.3.1 Vetor de Grandezas Medidas
O vetor de medidas z envolve apenas medidas de fluxo e de injeção de potência ativa,

ou seja:
𝒕 𝑣𝑒𝑡𝑜𝑟 𝑑𝑜𝑠 𝑓𝑙𝑢𝑥𝑜 𝑑𝑒 𝑝𝑜𝑡ê𝑛𝑐𝑖𝑎 𝑎𝑡𝑖𝑣𝑎

𝒛[𝑚×1] = [ ]
𝒑 𝑣𝑒𝑡𝑜𝑟 𝑑𝑎𝑠 𝑖𝑛𝑗𝑒çõ𝑒𝑠 𝑑𝑒 𝑝𝑜𝑡ê𝑛𝑐𝑖𝑎 𝑎𝑡𝑖𝑣𝑎
Como as magnitudes das tensões nas barras são supostas constantes, as únicas
variáveis a serem estimadas são os ângulos das tensões, ou seja, o vetor de estados
reduz-se ao estado angular da rede, 𝛿. Assim, tomando-se a barra 1 como barra de
referência, a estrutura do problema reduz-se a:
𝜹 = [𝛿2 𝛿3 ⋯ 𝛿𝑁 ]𝑡 (3.17)
𝒛 = [𝒛𝒕 𝒛𝒑 ]𝑡 (3.18)
em que 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 injeção de potência ativa.
7.3.2 Exemplos
As figuras mostradas a seguir exemplificam a estrutura que as matrizes de observação

(H) e o ganho (G) assumem quando o estimador de estados linearizado (Estimador
DC) é aplicado aos sistemas IEEE-14, 30 e 118 barras.
Figura 3.5: Estrutura das matrizes H e G para o sistema IEEE-14

102
Figura 3.6: Estrutura das matrizes H e G para o sistema IEEE-30.
Figura 3.7: Estrutura das matrizes H e G para o sistema IEEE-118.

103
7.4 Modelo de Medição Linearizado
O modelo de medição para o estimador de estados simplificado é dado por:
𝒛=𝑯×𝜹+𝜼 (3.19)
𝐸[𝜂] = 0 𝐸[𝜂 × 𝜂 𝑡 ] = 𝑹 = 𝑑𝑖𝑎𝑔[𝜎12 , 𝜎22 , ⋯ , 𝜎𝑛2 ] (3.20)
em que m é o número total de medidas. É importante se observar que, segundo as

Equações (3.13) e (3.14), as relações entre as quantidades medidas e os estados são
lineares. Consequentemente, a matriz de observação H do modelo de medição
expresso em (3.19) é constante. Além disso, ainda com base nas Equações (3.13) e
(3.14), verifica-se que os elementos H são combinações lineares das susceptâncias
dos ramos (linhas de transmissão e transformadores) da rede.
7.5 Solução do Estimador de Estados DC
As características do modelo de medição linearizado permitem que as estimativas 𝛿̂𝑖

para os estados sejam obtidas de forma não-iterativa. Utilizando-se, por exemplo, o
método da equação normal, as estimativas para os estados podem ser calculadas
resolvendo-se o sistema linear:
̂ = 𝑯𝑡 × 𝑹−1 × 𝒛
(𝑯𝑡 × 𝑹−1 × 𝑯) × 𝜹 (3.21)
7.5.1 Construção do Modelo Linear de Medição
Considere o sistema com quatro barras e o plano de medição mostrado na Figura 3.8.
Figura 3.8: Sistema exemplo para construção do modelo linear de medição.

104
O modelo de medição linear correspondente é dado por:
𝑡12 −𝛾12 0 0 𝜂12

𝑡21 𝛾12 0 0 𝜂21
𝑡31 0 𝛾13 0 𝜂31
𝑡43 = 0 −𝛾34 𝛾34 × 𝜹 + 𝜂43
𝜂𝑃 1 (3.22)
𝑝1 −𝛾12 −𝛾13 0
𝑝2 (𝛾12 + 𝛾23 + 𝛾24 ) −𝛾23 −𝛾24 𝜂𝑃2
[⏟
𝑝4 ] ⏟[ −𝛾24 −𝛾34 (𝛾24 + 𝛾34 )] ⏟𝜂
[ 𝑃 4]
𝒛 𝑯 𝜼
A matriz de covariância dos erros de estimação é dada por:
𝑹 = 𝑑𝑖𝑎𝑔 [𝜎𝑡212 , 𝜎𝑡2 21 , 𝜎𝑡2 31 , 𝜎𝑡2 43 , 𝜎𝑝21 , 𝜎𝑝2 2 , 𝜎𝑝2 4 ]
em que os 𝜎𝑡2 𝑖𝑗 são as variâncias das medidas de fluxo de potência ativa e os 𝜎𝑝2 𝑖 são
as variâncias das medidas de injeção de potência ativa.
7.5.2 Aplicação Numérica
Considere o sistema teste da seção anterior, cujos valores das medidas indicadas no
plano de medição e das reatâncias dos ramos, são os seguintes:
Tabela 3.1: Grandezas medidas para o sistema exemplo.

Grandeza Medida (p.u)
t12 0,13
t21 -0,13
t31 -0,12
t43 0,022
p1 0,25
p2 -0,50
p4 0,25
Tabela 3.2: Dados das linhas de transmissão.

Linha Reatância (pu) Susceptância (pu)
1-2 2,0 0,5
1-3 1,0 1,0
2-3 1,0 1,0
2-4 1,0 1,0
3-4 4,0 0,25
As variâncias dos erros dos medidores são iguais a 1,0 × 10-4, isto é, R = 1,0 × 10-4 ×
I. Sendo I uma matriz identidade de ordem igual ao número de medidores.
105
Solução:
O problema proposto é resolvido pela solução do sistema de equações algébrico-

lineares expresso na Equação (3.21), isto é,
̂=⏟
𝜹 (𝑯𝑡 × 𝑹−1 × 𝑯)−1 × ⏟
(𝑯𝑡 × 𝑹−1 × 𝒛)
𝑮−1 ̂
𝒃
A matriz de informação (H) é obtida substituindo-se os valores correspondentes de

susceptâncias dos ramos. Então, pela Equação (3.22), obtém-se:
−0,5 0 0
0,5 0 0
0 1,0 0
𝑯= 0 −0,25 0,25
−0,5 −1,0 0
2,5 −1,0 −1,0
[−1,0 −0,25 1,25]
A matriz de covariâncias correspondente é:
1,0
1,0
1,0
𝑅= 1,0 × 10−4
1,0
1,0
[ 1,0]
̂ são dados, respectivamente, por:

A matriz G e o vetor 𝒃
80000 −17500 −37500

𝑮 = 𝑯𝑡 × 𝑹−1 × 𝑯 = [−17500 31250 6250]
−37500 6250 26250
−17550
̂=[
𝒃 620]
8180
Logo a estimativa dos ângulos das tensões das barras é:
−0,2607
̂ = [−0,1197] radianos
𝜹
−0,0323
O vetor de grandezas estimadas é dado por:
𝑡12 0,1304
𝑡21 −0,1304
𝑡31 −0,1197
̂ = 𝑡43 = 0,0218 pu
𝒛̂ = 𝑯 × 𝜹
𝑝1 0,2500
𝑝2 −0,4998
[ 𝑝4 ] [ 0,2502 ]
O vetor de resíduos pode, então, ser obtido por:

106
−0,0004
0,0004
−0,0003
𝒓 = 𝒛 − 𝒛̂ = 0,0002 pu
0,0000
−0,0002
[−0,0002]
Como consequência, a soma ponderada do quadrado dos resíduos (SPQR) vale:

𝐽(𝛿̂ ) = 𝒓𝑡 × 𝑹−1 × 𝒓 = 0,0048.
Finalmente, os fluxos nos ramos e as injeções de potência nas barras não-

monitorados, podem ser conhecidos pelas seguintes expressões:
𝑡23 = −𝑡23 = 𝛾23 × (𝛿2 − 𝛿3 ) = −0,141 pu
𝑡24 = −𝑡42 = 𝛾24 × (𝛿2 − 𝛿4 ) = −0,228 pu
𝑝3 = 𝑡13 + 𝑡23 + 𝑡43 = 0,0005 ≈ 0,0 pu
8. ESTIMADOR DE ESTADOS NÃO LINEAR
8.1 Modelo Não Linear de Medição
Considere um sistema de potência com N barras, no qual m quantidades são medidas

supondo-se ainda que a topologia e os parâmetros da rede elétrica são conhecidos.
Sob estas condições, é possível determinar os fluxos de potência em qualquer linha de
transmissão e/ou a injeção de potência em qualquer barra, a partir do conhecimento
das tensões complexas nas barras do sistema. Está é a razão pela qual as tensões
complexas nas barras são chamadas de variáveis de estado do sistema de potência.
O conjunto de medidas fornecido pelo sistema SCADA, as variáveis de estado do

sistema e os erros de medição estão relacionados por meio do seguinte modelo não
linear de medição:
𝒛 = ℎ(𝒙) + 𝜼 (3.23)
em que:
z – vetor, dimensão (m×1), contendo as quantidades medidas;
h(x): vetor, dimensão (m×1), que contém os valores verdadeiros das quantidades
medidas e que são funções não lineares dos estados;
𝜼 – vetor, dimensão (m×1), cujos valores modelam os erros aleatórios de medição tais
como: imprecisão dos medidores, erros dos transformadores de instrumentos (TC e
TP), efeito da conversão do sistema analógico de medidas para a transmissão digital
das mesmas grandezas até os COS, etc.
107
A suposição de que 𝜼 tem média zero e que os erros de medição são não
correlacionados, isto é, a matriz de covariância 𝑹 dos erros de medição é diagonal,
permite estabelecer as seguintes igualdades:
𝜎12
𝜎22
𝐸(𝜼) = 0; 𝐸(𝜂 × 𝜂 𝑡 ) = 𝑹 = (3.24)
⋱
2
[ 𝜎𝑚 ]
em que: 𝜎𝑖2 representa a variância dos erros de medição dos medidores.
8.2 Solução do Método MQP Aplicado ao Problema de

Estimação de Estados em SEP
Considerando o método MQP apresentado nas seções anteriores, tem-se que o vetor
de estimativa dos estados 𝑥̂em sistemas de potência é calculado de forma análoga ao
que já foi apresentado anteriormente, isto é, o problema a ser resolvido consiste em
minimizar a função custo referente ao modelo de medição já mostrado em relação ao
vetor de estados estimados 𝒙̂, ou seja:
̂) = [𝒛 − ℎ(𝒙)]𝒕 × 𝑹−𝟏 × [𝒛 − ℎ(𝒙

𝐽(𝒙 ̂)]
(3.25)
̂)‖2𝑅−1 = ‖𝒓‖2𝑅−1
≜ ‖𝒛 − ℎ(𝒙
Portanto, deseja-se minimizar o índice representado pelo somatório do quadrado dos

resíduos, sendo que cada resíduo é ponderado pelo desvio-padrão do medidor. A
utilização da matriz de ponderação R implica que as medidas supostamente mais
precisas recebem maior peso que aquelas nas quais se espera maior imprecisão.
Apesar de a minimização da função custo apresentada não envolver restrição, o

processo de busca da solução ótima representa um problema não linear cuja solução
não é trivial. Por outro lado, o índice SPQR a ser otimizado é representado por uma
função quadrática, que é expressa em termos do vetor de equações não lineares ℎ(𝒙̂).
Vários métodos podem ser aplicados na solução desse problema, no entanto, a
natureza quadrática da função custo e a ausência de restrições deste problema de
otimização torna-o bastante apropriado para ser resolvido pelo método de Newton.
8.3 O método de Gauss-Newton
Essa técnica consiste em obter a solução do problema não linear por meio de um
algoritmo iterativo, que consiste em promover correções no vetor de estados tal como:
̂𝑘+1 = 𝒙
𝒙 ̂𝑘 + ∆𝒙
̂ (3.26)
̂ são obtidas pela expansão da função 𝐽(𝒙

As correções ∆𝒙 ̂) em série de Taylor, em
̂𝑘 próximo à solução, até o termo de segunda ordem, isto é:
torno de um ponto 𝒙
108
̂)𝑡
𝜕𝐽(𝒙 1 𝜕 2 𝐽(𝒙
̂)𝑡
̂ + ∆𝒙
𝐽(𝒙 ̂𝑘 ) +
̂) = 𝐽(𝒙 | ∆𝒙 ̂𝑡 (
̂ + × ∆𝒙 )| ̂
∆𝒙 (3.27)
̂ 𝒙̂=𝒙̂𝑘
𝜕𝒙 2 𝜕𝒙 ̂2 ̂𝑘
̂=𝒙
𝒙
ou seja,
1
̂ + ∆𝒙
𝐽(𝒙 ̂𝑘 ) + 𝑔(𝒙
̂) ≃ 𝐽(𝒙 ̂) × ∆𝒙 ̂𝑡 × 𝐹(𝒙
̂ + × ∆𝒙 ̂)𝑡 × ∆𝒙
̂ (3.28)
2
em que:
̂𝑡
𝜕𝒙
̂) =
𝑔(𝒙 | ̂)
é o vetor gradiente de 𝐽(𝒙
̂ 𝒙̂=𝒙̂𝑘
𝜕𝒙
𝜕 2 𝐽(𝒙
̂)
̂) = (
𝐹(𝒙 2 )| ̂)
é matriz Hessiana de 𝐽(𝒙
𝜕𝒙̂ ̂ ̂𝑘
𝒙=𝒙
O mínimo da função 𝐽(𝒙 ̂𝑘 + ∆𝒙

̂) com relação a∆𝒙 ̂ é obtido diferenciando-se 𝐽(. ) em
̂ e igualando a zero. Fazendo isto, obtém-se:
relação a ∆𝒙
𝜕𝐽 1
= 𝑔(𝒙 ̂)𝑡 × ∆𝒙
̂) + × 2 × 𝐹(𝒙 ̂=0 (3.29)
𝜕(∆𝒙̂) 2
O que resulta em:
̂)𝑡 × ∆𝒙
𝐹(𝒙 ̂ = −𝑔(𝒙
̂) (3.30)
A obtenção do vetor gradiente 𝑔(𝒙̂) em termos analíticos é mais bem compreendida

expressando-se inicialmente a função custo por meio da seguinte equação:
̂) = 𝒓𝑡 × 𝑹−1 × 𝒓
𝐽(𝒙
em que 𝒓 = 𝒛 – ℎ(𝒙 ̂). Sendo assim, a derivada primeira desta última função em
relação a 𝒙 é dado por:
̂)
𝜕𝐽(𝒙 𝜕𝒓 𝑡 ̂)
𝜕𝐽(𝒙
̂) =
𝑔(𝒙 | =( ) ×( )| (3.31)
𝜕𝒙̂ 𝒙̂ ̂
𝜕𝒙 𝜕𝒓 ̂𝑘
̂=𝒙
𝒙
ou ainda:
𝑡
̂)
𝜕ℎ(𝒙
= −( ) × 2 × 𝑅 −1 × [𝒛 − ℎ(𝒙
̂)]|𝑥̂=𝒙̂𝑘 (3.32)
̂
𝜕𝒙
ou seja:
𝑔(𝒙 ̂)𝑡 × 2 × 𝑅 −1 × ∆𝑧
̂) = −2 × 𝐻(𝒙 (3.33)
109
Supondo-se ainda que próximo à solução seja valido assumir que:
̂)
𝜕ℎ(𝒙
̂)
≈ 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 = 𝐻(𝒙 (3.34)
̂
𝜕𝒙
𝐹(𝒙 ̂)𝑡 × 𝑅 −1 × 𝐻(𝒙

̂) ≈ −2 × 𝐻(𝒙 ̂) (3.35)
Agora é possível escrever que:
̂) × ∆𝒙
𝐹(𝒙 ̂ = −𝑔(𝒙
̂) (3.36)
isto é:
̂)𝑡 × 𝑹−1 × ∆𝒙
𝐻(𝒙 ̂)𝑡 × 𝑹−1 × ∆𝒛
̂ = 𝐻(𝒙 (3.37)
ou ainda,
̂) × ∆𝒙
𝐺(𝒙 ̂
̂=𝒃 (3.38)
em que:
𝐺(𝒙 ̂) × 𝑹−1 × 𝐻(𝒙

̂) = 𝐻(𝒙 ̂) ⇒ matriz ganho
̂ = 𝐻(𝒙
𝒃 ̂)𝑡 × 𝑹−1 × ∆𝒛
A Equação normal de Gauss apresentada acima é resolvida iterativamente objetivando

obter estimativas cada vez melhores para os estados da rede até que o critério de
convergência pré-estabelecido seja satisfeito. Um critério de convergência do
processo iterativo usualmente utilizado é:
̂| ≤ 𝑡𝑜𝑙
𝑚𝑎𝑥|∆𝒙 (3.39)
8.4 Estrutura de Dados do Estimador CA
8.4.1 Vetor de Grandezas Medidas
O vetor que armazena as quantidades medidas é organizado da seguinte maneira:
𝒗 → tensão
𝒕 → fluxo de potência ativa
𝒛𝑚×1 = 𝒖 → fluxo de potência reativa (3.40)
𝒑 → injeção de potência ativa
[𝒒] → injeção de potência reativa
110
A razão pela qual o vetor de medidas z tem a estrutura acima não é única. A principal
motivação é a disposição assumida pelos elementos na matriz de coeficientes do
sistema de equações lineares resultantes do problema de Estimação de Estado em
Sistemas de Potência. A estruturação de dados adotada favorece a fatoração da
matriz 𝑮 (modelo clássico), ou ainda, da matriz 𝑯 (solução via métodos ortogonais),
pois diminui o número de “fill in” (enchimentos) durante o processo de fatoração das
matrizes referidas anteriormente.
8.4.2 Estrutura da Matriz Jacobiana 𝐇(𝐱)
A estrutura de dados que a matriz jacobiana 𝑯(𝒙) assume face à estratégia adotada
para facilitar sua fatoração pode ser apresentada de forma simbólica, tal como:
𝜕𝑉𝑖 𝜕𝑉 𝜕𝑉𝑖 𝜕𝑉
𝜕𝛿𝑗
𝑒 𝜕𝛿𝑖 ⋮ 𝜕𝑉𝑗
𝑒 𝜕𝑉𝑖
𝑖 𝑖
⋯ ⋮ ⋯
𝜕𝑡𝑖𝑗 𝜕𝑡𝑖𝑗 𝜕𝑡𝑖𝑗 𝜕𝑡𝑖𝑗
𝜕𝛿
; 𝜕𝛿 ⋮ ;
𝜕𝑉 𝜕𝑉
𝑗 𝑖 𝑗 𝑖
𝑒 ⋮ 𝑒
𝜕𝑡𝑗𝑖 𝜕𝑡𝑗𝑖 𝜕𝑡𝑗𝑖 𝜕𝑡𝑗𝑖
𝜕𝛿
; 𝜕𝛿 ⋮ ;
𝜕𝑉 𝜕𝑉
𝑗 𝑖 𝑗 𝑖
⋯ ⋮ ⋯
𝜕𝑢𝑖𝑗 𝜕𝑢𝑖𝑗 𝜕𝑢𝑖𝑗 𝜕𝑢𝑖𝑗
𝐻(𝑥)𝑚×𝑛 = 𝜕𝛿 ; 𝜕𝛿 ⋮ 𝜕𝑉
; 𝜕𝑉 (3.41)
𝑗 𝑖 𝑗 𝑖
𝑒 ⋮ 𝑒
𝜕𝑢𝑗𝑖 𝜕𝑢𝑗𝑖 𝜕𝑢𝑗𝑖 𝜕𝑢𝑗𝑖
;
𝜕𝛿𝑗 𝜕𝛿𝑖
⋮ ;
𝜕𝑉𝑗 𝜕𝑉𝑖
⋯ ⋮ ⋯
𝜕𝑝𝑖 𝜕𝑝 𝜕𝑝𝑖 𝜕𝑝
𝜕𝛿𝑗
𝑒 𝜕𝛿𝑖 ⋮ 𝜕𝑉𝑗
𝑒 𝜕𝑉𝑖
𝑖 𝑖
⋯ ⋮ ⋯
𝜕𝑞𝑖 𝜕𝑞𝑖 𝜕𝑞𝑖 𝜕𝑞𝑖
𝑒 ⋮ 𝑒 𝜕𝑉
[ 𝜕𝛿 𝜕𝛿
𝑗 𝑖 𝜕𝑉𝑗 𝑖 ]
As equações a partir das quais são obtidos todos os elementos da matriz jacobiana
são derivadas das equações apresentadas nos itens subsequentes.
8.4.3 Equações de Injeção de Potência
𝑃𝑖 = 𝑉𝑖2 × 𝐺𝑖𝑖 + ∑ 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 ) (3.42)

𝑗=1
𝑗≠𝑖
𝑄𝑖 = −𝑉𝑖2 × 𝐵𝑖𝑖 − ∑ 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × 𝑠𝑒𝑛(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 ) (3.43)

𝑗=1
𝑗≠𝑖
111
8.4.4 Equações de Fluxo de Potência
𝑡𝑖𝑗 = −𝑉𝑖2 × 𝐺𝑖𝑗 + 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 ) (3.44)
𝑡𝑗𝑖 = −𝑉𝑗2 × 𝐺𝑖𝑗 × 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 ) (3.45)
𝑠ℎ
𝐵𝑖𝑗
𝑢𝑖𝑗 = −𝑉𝑖2 ×( − 𝐵𝑖𝑗 ) − 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × 𝑠𝑒𝑛(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 ) (3.46)
2
𝑠ℎ
𝐵𝑖𝑗
𝑢𝑗𝑖 = −𝑉𝑗2 × ( − 𝐵𝑖𝑗 ) − 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × 𝑠𝑒𝑛(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 ) (3.47)
2
sendo que nas equações anteriores, tem-se:

𝑠ℎ
𝐵𝑖𝑗
susceptânciashunt do modelo  da linha de transmissão;
2
𝐵𝑖𝑗 susceptância do ramo série do modelo  da linha de transmissão;
𝜃𝑖𝑗 ângulo interno da admitância do ramo considerado.
8.4.5 Cálculo dos Elementos da Matriz Jacobiana H(x)
Medidas de Tensão
𝜕𝑉𝑖 𝜕𝑉𝑖
𝜕𝛿𝑗
𝑒 𝜕𝛿𝑖
= 0, para quaisquer valores de i e j;
𝜕𝑉𝑖
𝜕𝑉𝑗
= 0, para i ≠ j;
𝜕𝑉𝑖
= 1, para 𝑗 = 1.
𝜕𝑉𝑖
As relações estabelecidas entre as medidas de tensão e os estados angulares e

magnitudes das tensões nodais da rede, conforme as expressões acima, têm a
seguinte consequência na estrutura da matriz H:
𝛿2 𝛿3 ⋯ 𝛿𝑁 𝑉1 𝑉2 ⋯ 𝑉5 ⋯ 𝑉𝑁
𝑣1 0 0 ⋯ 0 1 0 ⋯ 0 ⋯ 0
𝑣5 0 0 ⋯ 0 0 ⋯ 1 ⋯ 0
⋮ ⋮ ⋮ ⋯ 0 ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑣𝑚 𝑣 0 0 ⋯ 0 0 0 ⋯ 0 ⋯ 1
em que 𝑚𝑣 representa o número de medidas de tensão existente no plano de medição

considerado.
112
Medidas de Fluxo de Potência

𝜕𝑡𝑖𝑗
𝜕𝛿𝑗
= −𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝜕𝑡𝑖𝑗
𝜕𝛿𝑖
= 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
Sentido i − j 𝜕𝑡𝑖𝑗
𝜕𝑉𝑗
= 𝑉𝑖 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝜕𝑡
𝑖𝑗
{ 𝜕𝑉𝑖 = −2 × 𝑉𝑖 × 𝐺𝑖𝑗 + 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
Ativa: 𝜕𝑡𝑗𝑖
𝜕𝛿𝑗
= 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
𝜕𝑡𝑗𝑖
𝜕𝛿𝑖
= −𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
Sentido j − i 𝜕𝑡𝑗𝑖
𝜕𝑉𝑗
= −2 × 𝑉𝑗 × 𝐺𝑖𝑗 + 𝑉𝑖 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
𝜕𝑡
𝑗𝑖
{ { 𝜕𝑉𝑖 = 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
𝜕𝑢𝑖𝑗
𝜕𝛿𝑗
= −𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝜕𝑢𝑖𝑗
𝜕𝛿𝑖
= 𝑉𝑖 × 𝑉𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
Sentido i − j 𝜕𝑢𝑖𝑗
𝜕𝑉𝑗
= −𝑉𝑖 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑠ℎ
𝜕𝑈𝑖𝑗 𝐵𝑖𝑗
= −2 × 𝑉𝑖 × ( − 𝐵𝑖𝑗 ) − 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
{ 𝜕𝑉𝑖 2
Reativa 𝜕𝑢𝑗𝑖
𝜕𝛿𝑗
= 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
𝜕𝑢𝑗𝑖
𝜕𝛿𝑖
= −𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
Sentido j − i 𝑠ℎ
𝐵𝑖𝑗
𝜕𝑢𝑗𝑖
= −2 × 𝑉𝑗 × ( − 𝐵𝑖𝑗 ) − 𝑉𝑖 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
𝜕𝑉𝑗 2
𝜕𝑢 𝑗𝑖
{ { 𝜕𝑉𝑖 = −𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑖 − 𝛿𝑗 )
Medidas de Injeção de Potência

𝜕𝑝𝑖
𝜕𝛿𝑗
= −𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑁
𝜕𝑝𝑖
𝜕𝛿𝑖
= ∑ 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑗=1
𝑗≠𝑖
Ativa 𝜕𝑝𝑖
𝜕𝑉𝑗
= 𝑉𝑖 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑁
𝜕𝑝𝑖
𝜕𝑉𝑖
= 2 × 𝑉𝑖 × 𝐺𝑖𝑖 + ∑ 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑗=1
{ 𝑗≠𝑖
113
𝜕𝑞𝑖
𝜕𝛿𝑗
= −𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑁
𝜕𝑞𝑖
𝜕𝛿𝑖
= ∑ 𝑉𝑖 × 𝑉𝑗 × 𝑌𝑖𝑗 × cos(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑗=1
𝑗≠𝑖
Reativa 𝜕𝑞𝑖
𝜕𝑉𝑗
= −𝑉𝑖 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑁
𝜕𝑞𝑖
𝜕𝑉𝑖
= −2 × 𝑉𝑖 × 𝐵𝑖𝑖 − ∑ 𝑉𝑗 × 𝑌𝑖𝑗 × sen(𝜃𝑖𝑗 + 𝛿𝑗 − 𝛿𝑖 )
𝑗=1
{ 𝑗≠𝑖
8.4.6 Aplicação Numérica
Considere o sistema teste mostrado na Figura 3.9, juntamente com todos os dados
necessários à obtenção dos estados da rede. Pede-se a obtenção das melhores
estimativas de todos os carregamentos e injeções de potência não monitorados.
Figura 3.9: Diagrama unifilar e plano de medição.
O plano de medição utilizado está indicado explicitamente no sistema teste proposto

anteriormente. As tensões correspondentes às barras 2 e 3 são monitoradas. Os
terminais remotos (•) indicados coletam medidas de potência ativa e reativa.
Os parâmetros da rede, as quantidades verdadeiras e medidas das grandezas

elétricas consideradas no plano de medição estão listadas nas Tabelas 3.3 e 3.4,
respectivamente.
Tabela 3.3: Parâmetros do sistema.

Ramo Resistência (pu) Reatância (pu) Susceptância Shunt (𝑩𝒔𝒉
𝒊𝒋 ⁄𝟐) (pu)
1 -2 0,01008 0,05040 0,05125

114
1-3 0,00744 0,03720 0,03875

2-4 0,00744 0,03720 0,03875
3-4 0,01272 0,06360 0,06375
SBase = 100 MVA e VBase = 230 KV
Tabela 3.4: Valores verdadeiros e medidos.

Grandezas Reais (pu) Medidas (pu)
V2 0,98241 0,98381
V3 0,96902 0,96892
t12 0,38689 0,38041
t31 -0,97075 -0,97527
u12 0,22319 0,22423
u31 -0,63533 -0,64493
p2 -1,70000 -1,68090
p4 2,38000 2,38200
q2 -1,05400 -1,04220
q4 1,31850 1,30830
A condição inicial do processo iterativo deve assumir o perfil plano de tensões

(magnitude igual a 1pu e ângulo 0 graus), sendo que a tolerância adotada é igual a 10-
5
. O critério de convergência a ser utilizado é:
̂𝑘 | ≤ 𝑡𝑜𝑙
𝑚𝑎𝑥|∆𝒙
Admita ainda que o desvio-padrão dos medidores são todos iguais a 𝜎𝑖 = 10−2 .
Para cada iteração realizada, deseja-se que os seguintes resultados intermediários

sejam apresentados:
1. A indicação das equações utilizadas na obtenção de cada valor numérico

presente na matriz de observação (𝑯);
2. Os parâmetros da equação normal de Gauss, isto é, a matriz ganho 𝑮 e o vetor

̂);
independente (𝒃
3. Os vetores de correções ∆𝒙𝑘 ; de estados (𝒙𝑘 ); de grandezas estimadas (𝒛𝑘 ) e o

de resíduos (𝒓𝑘 );
4. Adicionalmente, pede-se para calcular em cada iteração o índice 𝐽(𝒙𝑘 ) =

SPQR, ou seja:
𝑡
𝐽(𝒙𝑘 ) = (𝒓𝑘 ) × 𝑹−1 × 𝒓𝑘
115
5. Obtida a convergência, apresente uma tabela comparativa listando a relação

de medidas do plano de medição utilizado e os correspondentes valores:
verdadeiros, medidos e estimados em cada iteração. Adicionalmente,
acrescentar à tabela de resultados, obtidos após a convergência do processo
iterativo, os seguintes parâmetros de desempenho: erro absoluto (𝜖𝑎 ) e erro
relativo percentual (𝜖𝑟 ), correspondente a cada medida e definidos pelas
seguintes equações:
𝜖𝑎 = |𝒛 − 𝒛̂|
|𝒛 − 𝒛̂|
𝜖𝑟 =
𝒛̂
Solução
O problema proposto será resolvido pelo método da equação normal de Gauss.

Primeiramente, determina-se a matriz YBus do sistema:
8,9852 − 𝑗44,8360 −3,8156 + 𝑗19,0781 −5,1696 + 𝑗25,8478 0,0

−3,8156 + 𝑗19,0781 8,9852 − 𝑗44,8360 0,0 −5,1696 + 𝑗25,8478
𝑌𝐵𝑢𝑠 =[ ]
−5,1696 + 𝑗25,8478 0,0 8,1933 − 𝑗40,8638 −3,237 + 𝑗15,1185
0,0 −5,1696 + 𝑗25,8478 −3,0237 + 𝑗15,1185 8,1933 − 𝑗40,8638
Em seguida, vêm as equações das funções que relacionam as grandezas medidas às

variáveis de estado:
Medidas de tensão: As medidas de tensão nas barras 2 e 3 são simultaneamente

grandezas medidas e variáveis de estado. Portanto, nas posições correspondentes na
matriz H, assumem valores unitários.
Medidas de fluxo de potência ativa e reativa:
𝑡12 = −𝑉12 × 𝐺12 + 𝑉1 × 𝑉2 × 𝑌12 × cos(𝜃12 + 𝛿2 − 𝛿1 )
𝑡31 = −𝑉32 × 𝐺13 + 𝑉1 × 𝑉3 × 𝑌13 × cos(𝜃13 + 𝛿1 − 𝛿3 )

𝑠ℎ
𝐵12
𝑢12 = −𝑉12 ×( − 𝐵12 ) − 𝑉1 × 𝑉2 × 𝑌12 × cos(𝜃12 + 𝛿2 − 𝛿1 )
2
𝑠ℎ
𝐵13
𝑢31 = −𝑉32 × ( − 𝐵13 ) − 𝑉1 × 𝑉3 × 𝑌13 × sen(𝜃13 + 𝛿1 − 𝛿3 )
2
Medidas de injeções de potência ativa e reativa:
𝑝2 = 𝑉22 × 𝐺22 + 𝑉1 × 𝑉2 × 𝑌12 × cos(𝜃12 + 𝛿2 − 𝛿1 ) + 𝑉2 × 𝑉4 × 𝑌24 × cos(𝜃24 + 𝛿4 − 𝛿2 )
𝑝4 = 𝑉42 × 𝐺44 + 𝑉2 × 𝑉4 × 𝑌24 × cos(𝜃24 + 𝛿4 − 𝛿2 ) + 𝑉3 × 𝑉4 × 𝑌34 × cos(𝜃34 + 𝛿4 − 𝛿3 )
𝑞2 = −𝑉22 × 𝐵22 − 𝑉1 × 𝑉2 × 𝑌12 × sen(𝜃12 + 𝛿2 − 𝛿1 ) − 𝑉2 × 𝑉4 × 𝑌24 × sen(𝜃24 + 𝛿4 − 𝛿2 )
𝑞4 = −𝑉42 × 𝐵44 − 𝑉2 × 𝑉4 × 𝑌24 × sen(𝜃24 + 𝛿4 − 𝛿2 ) − 𝑉3 × 𝑉4 × 𝑌34 × sen(𝜃34 + 𝛿4 − 𝛿3 )

116
Matriz Jacobiana (H):
0 0 0 0 1 0 0
0 0 0 0 0 1 0
𝜕𝑡12 𝜕𝑡12 𝜕𝑡12
𝜕𝛿2
0 0 𝜕𝑉1 𝜕𝑉2
0 0
𝜕𝑡31 𝜕𝑡31 𝜕𝑡31
0 𝜕𝛿3

Idioma

Análise de Sistemas de Potência II - 20160808

Enviado por

Dados do documento

Título 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

Análise de Sistemas de Potência II - 20160808

Enviado por

Direitos autorais:

Formatos disponíveis

ANÁLISE DE

2. PROBLEMASDEOTIMIZAÇÃOCOM RESTRIÇÕES .......................................... 6

3. DESPACHO ECONÔMICO DE UNIDADES TÉRMICAS.................................... 9

3.1 Despacho Desprezando as Perdas na Transmissão ................................... 9

3.2 Algoritmo de Solução ................................................................................ 12

3.3 Despacho Considerando as Perdas na Transmissão ................................ 14

4. PROGRAMAÇÃO DA GERAÇÃO TÉRMICA ................................................... 17

4.1 Reserva Girante ........................................................................................ 19

4.2 Restrições Operacionais ........................................................................... 19

4.3 Métodos de Solução ................................................................................. 20

5. COORDENAÇÃO HIDROTÉRMICA ................................................................ 32

5.1 Programação da Operação Hidrotérmica de Médio Prazo ........................ 32

5.2 Estratégia Baseada na Curva Limite ......................................................... 33

5.3 Estratégia Baseada no Valor Marginal da Água ........................................ 34

5.4 Planejamento da Operação Hidrotérmica de Curto Prazo ......................... 35

6. FLUXO DE POTÊNCIA ÓTIMO........................................................................ 53

6.1 Formulação do Problema .......................................................................... 54

6.2 Fluxo de Potência Ótimo Linearizado ........................................................ 59

CAPÍTULO 2 - REPRESENTAÇÃO DE CONTROLES E LIMITES NOS

2. MODOS DE REPRESENTAÇÃO ..................................................................... 75

2.1 Ajustes Alternados .................................................................................... 75

2.3 Limites de Tensão em Barras PQ.............................................................. 78

2.4 Transformadores com Ajuste Automático de Tap ...................................... 80

2.5 Transformadores Defasadores com Controle Automático de Fase............ 82

2.6 Controle de Intercâmbio entre Áreas ......................................................... 83

2.7 Controle de Tensão em Barras Remotas .................................................. 85

CAPÍTULO 3 - ESTIMAÇÃO DE ESTADOS EM SISTEMAS ELÉTRICOS DE

1.1 Estados Operativos da Rede..................................................................... 88

2. MODERNOS CENTROSDE OPERÇÃODESISTEMAS ................................... 89

2.1 Centro de Operação de Sistemas - COS................................................... 89

2.2 Principais Funções Executadas no COS ................................................... 90

2.3 Centro de Operação de Distribuição - COD .............................................. 92

3. PRINCIPAIS CARACTERÍSTICAS DOS ESTIMADORES DE ESTADOSEM

4. APLICAÇÃO DOS RESULTADOS DA ESTIMAÇÃO DE ESTADOS EM SEP . 95

5. CLASSIFICAÇÃO DOS ESTIMADORES DE ESTADOS ................................. 95

6. MÍNIMOS QUADRADOS PONDERADOS (MQP) – ABORDAGEM CLÁSSICA

7. ESTIMADOR DE ESTADOS LINEARIZADO (DC) ......................................... 100

7.1 Considerações Iniciais ............................................................................ 100

7.2 Hipóteses Simplificadoras ....................................................................... 100

7.3 Estrutura de Dados do Estimador DC ..................................................... 101

7.4 Modelo de Medição Linearizado .............................................................. 103

7.5 Solução do Estimador de Estados DC .................................................... 103

8. ESTIMADOR DE ESTADOS NÃO LINEAR .................................................... 106

8.1 Modelo NãoLinear de Medição ................................................................ 106

8.3 O método de Gauss-Newton ................................................................... 107

8.4 Estrutura de Dados do Estimador CA ...................................................... 109

9. ESTIMADORES DE ESTADOS DESACOPLADOS ....................................... 121

9.1 Estimadores Desacoplados no Algoritmo ................................................ 123

9.2 Estimadores Desacoplados no Modelo ................................................... 123

10. REFERÊNCIAS .......................................................................................... 125

CAPÍTULO 4 - ANÁLISE DE CONTINGÊNCIAS EM SISTEMAS

1. INTRODUÇÃO ............................................................................................... 126

2. ANÁLISE DE ALTERAÇÕES EM REDES ELÉTRICAS – MÉTODOS DE

2.1 Pré-Compensação .................................................................................. 130

2.2 Pós-Compensação.................................................................................. 131

2.3 Compensação Intermediária ................................................................... 131

CAPÍTULO 5 - ANÁLISE DE SENSIBILIDADE............................................... 135

1. INTRODUÇÃO ............................................................................................... 135

2. MODELO MATEMÁTICO PARA ANÁLISE DE SENSIBILIDADE ................... 135

2.1 Matrizes de Sensibilidade ....................................................................... 137

2.2 Solução da Equação Matricial de Sensibilidade ...................................... 138

3. DETERMINAÇÃO DAS GRANDEZAS FUNCIONAIS .................................... 140