CÂMPUS DE ILHA SOLTEIRA

PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA

TÓPICOS ESPECIAIS EM SISTEMAS DE ENERGIA ELÉTRICA:

OTIMIZAÇÃO MATEMÁTICA COM APLICAÇÕES EM SISTEMAS DE ENERGIA ELÉTRICA

AULA 13

MODELOS NÃO LINEARES – APLICAÇÃO

PROGRAMAÇÃO INTEIRA – INTRODUÇÃO

Prof.: Dr. Leonardo Henrique Faria Macedo Possagnolo

Ilha Solteira, 3 de novembro de 2022
Fluxo de potência ótimo
• Considere um sistema elétrico de potência, que
tem uma rede de transmissão que conecta as
unidades geradoras com as demandas
• Formada por ramos (linhas, transformadores
em fase ou transformadores defasadores) e
barras (subestações)
• Unidades de geração, demandas e
compensação reativa estão localizados em
diferentes barras do sistema
• A potência ativa e reativa flui pelos ramos de
acordo com as leis de Kirchhoff
• O fluxo de potência através de um ramo está
limitada por seus limites térmicos

2
Fluxo de potência ótimo
• Como modelar a rede de transmissão?
• Modelo equivalente 𝜋𝜋 de uma linha de transmissão

3
Fluxo de potência ótimo

4
Fluxo de potência ótimo

5
Fluxo de potência ótimo

6
Fluxo de potência ótimo

7
Fluxo de potência ótimo

8
Fluxo de potência ótimo

9
Fluxo de potência ótimo

10
Fluxo de potência ótimo

11
Fluxo de potência ótimo
• Os programas de fluxo de potência ótimo (FPO) são cada vez mais utilizados como ferramentas para a análise
de operação dos sistemas de potência em regime permanente
• Alguns fatores:
• O surgimento de novos e potentes recursos computacionais a um custo relativamente baixo, os quais
permitem reduzir o esforço requerido na solução do problema de otimização
• A consolidação das técnicas matemáticas para a resolução de problemas de grandes dimensões
• Uma maior consideração dos interesses econômicos na operação dos sistemas de energia elétrica, devido à
restruturação dos mercados elétricos
• O objetivo principal do FPO é determinar o estado de operação ótimo de um sistema de potência em regime
permanente
• O FPO pode ser modelado como um problema de programação não linear, em que deve ser minimizada uma
função objetivo sujeita a um conjunto de restrições técnicas e econômicas;

12
Fluxo de potência ótimo

13
12. Programação inteira

14
Programação inteira

• Programação inteira pura

• Programação inteira mista
• Vasta aplicação
• O caso de produzir quantidades inteiras de produtos é o mais simples
• Mas as aplicações vão muito além disso
• Restrições lógicas usando condições 0-1

15
Aplicações
• Problemas com entradas e saídas inteiras
• Usar números inteiros de recursos
• Produzir números inteiros de produtos
• Exemplo:
maximizar 𝑥𝑥1 + 𝑥𝑥2
Sujeito a
−2𝑥𝑥1 + 2𝑥𝑥2 ≥ 1
−8𝑥𝑥1 + 10𝑥𝑥2 ≤ 13
𝑥𝑥1 , 𝑥𝑥2 ≥ 0 e inteiros
• Solução contínua: 𝑥𝑥1 = 4, 𝑥𝑥2 = 4,5
• Solução inteira: 𝑥𝑥1 = 1, 𝑥𝑥2 = 2
• É difícil perceber como chegar na solução inteira a partir da contínua para o problema relaxado
16
Aplicações
• Problemas com restrições lógicas
• Problemas combinatórios de sequenciamento e alocação
• Muitas soluções, mas um número finito
• Problema da mochila
• Problema do caixeiro viajante
• Sudoku
• N-rainhas
• Impor condições especiais em modelos
• Linearização por partes

• Engenharia elétrica
• Planejamento da expansão de sistemas de transmissão e distribuição de energia elétrica
• Planejamento da operação de sistemas de energia elétrica
• Reconfiguração de sistemas de distribuição de energia elétrica
• Desligamento ótimo de linhas de transmissão
17
Resolvendo problemas de PI

• Métodos de planos de corte (PI mista)

• Métodos enumerativos (PI pura)
• Algoritmo enumerativo de Balas
• Algoritmo branch and bound (PI mista) e variações como o branch and cut, branch cut and price

18
Algoritmo de cortes de Gomory
• Apresenta dificuldades de convergência
quando o número de variáveis inteiras
aumenta
• Os cortes não podem eliminar nenhuma
solução inteira
• Exemplo:
minimizar − 2𝑥𝑥1 − 𝑥𝑥2
Sujeito a
𝑥𝑥1 + 𝑥𝑥2 ≤ 5 (1)
−𝑥𝑥1 + 𝑥𝑥2 ≤ 0 (2)
6𝑥𝑥1 + 2𝑥𝑥2 ≤ 21 (3)
𝑥𝑥1 , 𝑥𝑥2 ≥ 0 e inteiros

19
Algoritmo branch and bound
• Um dos mais eficientes para resolver
problemas genéricos de PI mista
• Relaxação das condições de integralidade
• Integrar com outros métodos (ex. cortes)
• Definir estratégia para escolher o próximo
subproblema a ser resolvido e a variável de
divisão
• Método dual simplex com variáveis canalizadas
• Exemplo:
minimizar 𝑣𝑣 = 5𝑥𝑥1 + 2𝑥𝑥2 + 2𝑥𝑥3 + 𝑦𝑦
Sujeito a
350𝑥𝑥1 + 400𝑥𝑥2 + 𝑦𝑦 ≥ 400
350𝑥𝑥1 + 210𝑥𝑥3 + 𝑦𝑦 ≥ 200
𝑥𝑥1 , 𝑥𝑥2 , 𝑥𝑥3 , 𝑦𝑦 ≥ 0
𝑥𝑥1 , 𝑥𝑥2 , 𝑥𝑥3 inteiros 20