SOLUCION DE FLUJOS DE CARGA EN

SISTEMAS ELCTRICOS DE POTENCIA

Ing. Agustin Flores Novelo







SUBDIRECCIN DEL CENTRO NACIONAL DE CONTROL DE ENERGA
AREA DE CONTROL PENINSULAR
SUBDIRECCIN DEL CENTRO NACIONAL DE CONTROL DE ENERGA
AREA DE CONTROL PENINSULAR
X
(0)
=


Captulo I



Solucin de Sistemas de Ecuaciones no Lineales por
Mtodos I terativos




I.- Introduccin

Los sistemas de ecuaciones-no lineales no pueden resolverse por mtodos directos, como es
el caso de los sistemas lineales, por lo que para la solucin de estos se usan procedimientos
iterativos. La forma ms general de representar un sistema de ecuaciones es de la siguiente
forma:


F
1
(X
1
, X
2
, X
3
, ..X
n
) = 0
F
2
(X
1
, X
2
, X
3
, ..X
n
) = 0
F
3
(X
1
, X
2
, X
3
, ....X
n
) = 0 (1)
. . .
. . .
F
n
(X
1
, X
2
, X
3
, ..X
n
) = 0


Los mtodos numricos para resolver este tipo de sistemas de ecuaciones se basan en el
siguiente esquema:

1.- Se selecciona un conjunto de valores iniciales o de arranque:









X
1
(0)

X
2
(0)

X
3
(0)

.
.
X
n
(0)

2.- Este tipo de valores se sustituye en el sistema de ecuaciones (1) para calcular
un segundo conjunto de valores mejorados.

3.- Estos nuevos valores se utilizan para encontrar un tercer conjunto de valores
estimados, y as sucesivamente.

4.- El proceso termina cuando el valor X A de mayor valor registrado es menor o
igual a un valor de tolerancia especificado. Esto es:



( ) ( )
c s = A
+ K K
X X X
1
1
1
(2)


Este proceso repetitivo se conoce como mtodo iterativo, y los diferentes mtodos
existentes generalmente varan sus esquemas de cmo evaluar los nuevos valores
mejorados.


1.1 Mtodo de Gauss-Seidel

Este mtodo utiliza la tcnica de sustituir el valor calculado de una variable,
inmediatamente en la misma iteracin, es decir el ltimo valor de las incgnitas se sustituye
en forma inmediata en los valores existentes, sin esperar a que se complete la iteracin.
Aplicando el mtodo de Gauss-Seidel al conjunto de ecuaciones (1), stas se expresan de la
siguiente forma:

) ., . , , (
. . . . . . . . . . . . .
) ., . , , (
) ., . , , (
) ( ) 1 (
2
) 1 (
1
) 1 (
) ( ) (
2
) 1 (
1 2
) 1 (
2
) ( ) (
2
) 1 (
1 1
) 1 (
1
k
n
k k
n
k
n
k
n
k k k
k
n
k k k
X X X g X
X X X g X
X X X g X
+ + +
+ +
+ +
=
=
=
(3)

El mtodo de Gauss-Seidel converge ms rpido si se aplica un factor de aceleracin
(o ), el cual consiste en calcular el valor de la variable en la iteracin ( k+1 ) de la
siguiente forma: sea el error registrado de la variable entre las relaciones ( k ) y ( k+1 ).
Esto es:

c = = A
+ ) ( ) 1 ( k k
X X X (4)


As se tiene que el nuevo valor de la variable en ( k+1 ) se calcula mediante:

X X X
k k
acelerado
A + =
+
o
) ( ) 1 (
(5)

donde o es un nmero emprico que puede tomar el valor entre 1 y 2. Este valor por lo
regular se determina de una forma prctica resolviendo el sistema bajo anlisis hasta
obtener el menor nmero de iteraciones que arrojen las soluciones del sistema. Para
entender mejor lo explicado con anterioridad se procede a desarrollar un ejemplo.



Ejemplo 1.- Resuelva el siguiente sistema de ecuaciones aplicando el mtodo de Gauss-
Seidel y utilizando un factor de aceleracin ( o ) de 1.05, as como un psilon ( ) = 0.001


1 0 2 2
1 0 4 4
) 0 (
) 0 ( 2
= =
= =
X X Y
Y X Y



Se procede a despejar la variable X en la 1 ecuacin y la variable Y en la 2 ecuacin:


1
4
1
4 4
2
2

=
=
Y X
Y X

1
2
1
2 2
+
(

=
+ =
X Y
X Y



1 Iteracin

| |
6127 . 0 ] 1 6312 . 0 [ 05 . 1 1
6312 . 0 1 ) 7375 . 0 )(
2
1
(
7375 . 0 ) 1 ( 75 . 0 ) 05 . 1 ( 1
75 . 0 1 ) 1 )(
4
1
(
) 1 (
) 1 (
) 1 (
2 ) 1 (
= + =
= + =
= + =
= =
acelerado
acelerado
Y
Y
X
X


Para la primera iteracin se obtienen los valores de:

6127 . 0
7375 . 0
) 1 (
) 1 (
=
=
Y
X








2 Iteracin

| |
5392 . ] 6127 . 0 5427 . 0 [ 05 . 1 6127 . 0
5427 . 0 1 ) 9145 . 0 )(
2
1
(
9145 . 0 7375 . 0 ) 9061 . 0 ( 05 . 1 ) 7375 . 0 (
9061 . 0 1 ) 6127 . 0 )(
4
1
(
2
) 2 (
) 2 (
2 ) 2 (
= + =
= + =
= + + =
= =
acelerado
acelerado
Y
Y
X
X

Para la segunda iteracin se obtienen los valores de:

5392 .
9145 . 0
) 2 (
) 2 (
=
=
Y
X



3 Iteracin

| |
5358 . 0 ) 5392 . 0 5360 . 0 ( 05 . 1 5392 . 0
5360 . 0 1 ) 9279 . 0 )(
2
1
(
9279 . 0 ) 9145 . 0 ( 9273 . 0 ( 05 . 1 9145 . 0
9273 . 0 1 ) 5392 . 0 )(
4
1
(
3
) 3 (
3
2 ) 3 (
= + =
= + =
= + =
= =
acelerado
acelerado
Y
Y
X
X


Para la tercera iteracin se obtienen los valores:

5358 . 0
9279 . 0
) 3 (
) 3 (
=
=
Y
X


En la tabla N 1, se resumen los valores para cada iteracin as como el error mximo
obtenido:

k
) 1 ( + k
X
) 1 ( + k
Y
) 1 ( + k
Acel
X
) 1 ( + k
Acel
Y
) 1 ( + k
Max
c (X)
) 1 ( + k
Max
c (Y)
0 -1 1 -1 1 0.2625 0.3873
1 -0.75 0.6312 -0.7375 0.6127 0.1770 0.0735
2 -0.9061 0.5427 -0.9145 0.5392 0.0134 0.0034
3 -0.9273 0.5360 -0.9279 0.5358 0.0004 0.0
4 -0.9282 0.5358 -0.9282 0.5358

Tabla N 1.- Solucin iterativa del ejemplo 1 utilizando el mtodo de Gauss-Seidel con
o = 1.05.

Las columnas 6 y 7 de la Tabla N 1 representan los psilons de las variables X y Y,
obtenindose de la ecuacin (2), observndose como en la tercera iteracin el psilon
establecido de 0.001 se cumple, por lo que la solucin del sistema se obtiene en 3
iteraciones.


Actividad para ejercitar lo aprendido: Resuelva por el mtodo de Gauss-Seidel

1 0 10 3 3
0 0 8 3 2
) 0 (
) 0 ( 2
= =
= =
X X Y
Y X Y




1.2 Mtodo de Newton-Raphson

El mtodo de Newton-Raphson es un mtodo abierto, en el sentido de que su
convergencia global no est garantizada. La nica manera de alcanzar la convergencia es
seleccionar un valor inicial lo suficientemente cercano a la raz buscada. As, se ha de
comenzar la iteracin con un valor razonablemente cercano al cero (denominado punto de
arranque o valor supuesto). La relativa cercana del punto inicial a la raz depende mucho
de la naturaleza de la propia funcin; si sta presenta mltiples puntos de inflexin o
pendientes grandes en el entorno de la raz, entonces las probabilidades de que el algoritmo
diverja aumentan, lo cual exige seleccionar un valor supuesto cercano a la raz. Una vez se
ha hecho esto, el mtodo linealiza la funcin por la recta tangente en ese valor supuesto. La
abscisa en el origen de dicha recta ser, segn el mtodo, una mejor aproximacin de la raz
que el valor anterior. Se realizarn sucesivas iteraciones hasta que el mtodo haya
convergido lo suficiente. Esto se representa en la Figura N 1.




Figura N 1 Ilustracin Grfica del Mtodo de Newton-Raphson




Matemticamente:

) ( '
) (
) ( '
) (
) (
) ( '
1
1
1
n
n
n n
n
n
n n
n n
n
n
x f
x f
x x
x f
x f
x x
x x
x f
x f
=
=

=
+
+
+
(6)
Una forma alternativa de obtener el algoritmo es desarrollando la funcin ) (x f en serie
de Taylor, para un entorno del punto
n
x :

+ + + =
! 2
) ( ' '
) ( ) )( ( ' ) ( ) (
2 n
n n n n
x f
x x x x x f x f x f (7)

Si se trunca el desarrollo a partir del trmino de grado 2, y evaluamos en
1 + n
x ,
obtenemos:

) )( ( ' ) ( (
1 ) 1 n n n n n
x x x f x f x f + =
+ +
(8)


Si adems se acepta que
1 + n
x tiende a la raz, se ha de cumplir que 0 ) (
1
=
+ n
x f , luego,
sustituyendo en la ecuacin (8), obtenemos el algoritmo:

) ( '
) (
) )( ( ' ) (
1
1 1
n
n
n n
n n n n n
x f
x f
x x
x despejando x x x f x f
=
=
+
+ +
(9)

La ecuacin (9) es exactamente igual al mtodo de Newton-Raphson.

Para ilustrar la aplicacin de este mtodo en la solucin de sistemas de ecuaciones no
lineales considrese que se tiene el siguiente sistema:

n n n
n
n
n
Y X X X X f
Y X X X X f
Y X X X X f
Y X X X X f
=
- - - -
=
=
=
) ,......., , , (
) ,......., , , (
) ,......., , , (
) ,......., , , (
3 2 1
3 3 2 1 3
2 3 2 1 2
1 3 2 1 1
(10)
Como se explic anteriormente, para resolver el sistema se parte de un conjunto de
valores iniciales, de manera que si a estos valores se le suman sus correspondientes
incrementos para encontrar los nuevos valores mejorados el sistema (10) se puede expresar
como sigue:

n n n n
n n
n n
n n
Y X X X X X X X X f
Y X X X X X X X X f
Y X X X X X X X X f
Y X X X X X X X X f
= A + A + A + A +
- - - - - -
- - - - - -
= A + A + A + A +
= A + A + A + A +
= A + A + A + A +
) ,........ , , (
) ,........ , , (
) ,........ , , (
) ,........ , , (
0
3
0
3 2
0
2 1
0
1
3
0
3
0
3 2
0
2 1
0
1 3
2
0
3
0
3 2
0
2 1
0
1 2
1
0
3
0
3 2
0
2 1
0
1 1
(11)


Expandiendo estas funciones mediante la serie de Taylor y considerando los trminos
hasta la primera derivada se tiene:

3
0
3
3
2
0
2
3
1
0
1
3
0 0
3
0
2
0
1 3
0
3
0
3 2
0
2 1
0
1 3
3
0
3
2
2
0
2
2
1
0
1
2
0 0
3
0
2
0
1 2
0
3
0
3 2
0
2 1
0
1 2
3
0
3
1
2
0
2
1
1
0
1
1
0 0
3
0
2
0
1 1
0
3
0
3 2
0
2 1
0
1 1
...
) , , , , , ( ) ; ; ; (
...
) , , , , , ( ) ; ; ; (
...
) , , , , , ( ) ; ; ; (
X
X
f
X
X
f
X
X
f
X X X X f X X X X X X X X f
X
X
f
X
X
f
X
X
f
X X X X f X X X X X X X X f
X
X
f
X
X
f
X
X
f
X X X X f X X X X X X X X f
n n n
n n n
n n n
A
(

c
c
+ + A
(

c
c
+ A
(

c
c
+
= A + A + A + A +
A
(

c
c
+ + A
(

c
c
+ A
(

c
c
+
= A + A + A + A +
A
(

c
c
+ + A
(

c
c
+ A
(

c
c
+
= A + A + A + A +
(12)
n
n n n
n n n n n
X
X
f
X
X
f
X
X
f
X X X X f X X X X X X X X f
A
(

c
c
+ + A
(

c
c
+ A
(

c
c
+
= A + A + A + A +
0
3
2
0
2
1
0
1
0 0
3
0
2
0
1
0
3
0
3 2
0
2 1
0
1
...
) , , , , , ( ) ; ; ; (



Despejando las derivadas parciales y expresando en forma matricial:

(
(
(
(
(
(
(

=
(
(
(
(
(
(

A
A
A
A
(
(
(
(
(
(
(
(
(
(

c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
c
) , , , , , (
.
) , , , , , (
) , , , , , (
) , , , , , (
.
. . . . .
.
.
.
0 0
3
0
2
0
1
0 0
3
0
2
0
1 3 3
0 0
3
0
2
0
1 2 2
0 0
3
0
2
0
1 1 1
3
2
1
3 2 1
3
3
3
2
3
1
3
2
3
2
2
2
1
2
1
3
1
2
1
1
1
n n n
n
n
n
n
n
n n n n
n
n
n
X X X X f Y
X X X X f Y
X X X X f Y
X X X X f Y
X
X
X
X
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
X
f
(13)

En forma compacta:

| || | | | ) , , , , , (
0 0
3
0
2
0
1 n
X X X X f Y X J = A (14)

En esta expresin | | J representa la matriz Jacobiana y la cual se evala con las
derivadas de las funciones y las condiciones iniciales o valores mejorados.
El procedimiento de solucin aplicado al mtodo de Newton-Raphson se puede resumir
de la siguiente forma:

1) Se considera el vector de condiciones iniciales
) 0 (
X .
2) Se obtienen las derivadas de cada una de las ecuaciones del sistema original.
3) Se evala la matriz Jacobiana con el vector
) (k
X . Para la primera iteracin
el vector a considerar es
) 0 (
X .
4) Se resuelve el sistema ( 14 ) para encontrar las correcciones en las variables
y poder determinar los nuevos valores mejorados de la siguiente forma:

X X X
k k
A + =
+ ) ( ) 1 (
(15)

5) Si el valor mximo registrado
Mximo
X A es menor o igual que una
tolerancia especificada c el proceso termina, de lo contrario se repite el
paso 3 con el nuevo conjunto de valores mejorados
) 1 ( + k
X


Ejemplo 2.- Resolver el siguiente sistema de ecuaciones no-lineales aplicando el mtodo
de Newton-Raphson, considerando un error c = 0.001.

2 2 1 ) 2 ( 0 2 2
4 4 1 ) 1 ( 0 4 4
2
) 0 (
2
1
) 0 ( 2
= = =
= = =
X Y f X X Y
x Y f Y X Y




Calculando las derivadas parciales:

1 2 4 2
0 0 0 0 0 0 0 0
,
2
,
2
,
1
,
1
=
(

c
c
=
(

c
c
=
(

c
c
=
(

c
c
Y X Y X Y X Y X
X
f
Y
f
X
f
Y
Y
f


El Jacobiano considerando el vector
) 0 (
X es:

| |
(

=
1 2
4 2
J

Evaluando las funciones con los valores iniciales:

1 2 ) 1 ( ) 1 ( 2 ) , (
1 4 ) 1 ( 4 ) 1 ( ) , (
0 0 2
2
0 0 1
= =
= =
Y X f
Y X f



1 Iteracin


(

=
(

A
A
(

1 0
1 0
1 2
4 2
X
Y


Resolviendo el sistema:

0
5 . 0
= A
= A
X
Y


Se realizan las correcciones para encontrar los nuevos valores mejorados:

1 0 1
5 . 0 5 . 0 1
) 0 ( ) 1 (
) 0 ( ) 1 (
= + = A + =
= = A + =
X X X
Y Y Y


Los valores para la primera iteracin son:

1
5 . 0
) 1 (
) 1 (
=
=
X
Y


Evaluando las dos funciones nuevamente se obtiene:

0 2 ) 1 ( ) 5 (. 2 ) , (
25 . 0 4 ) 1 ( 4 ) 5 . 0 ( ) , (
1 1 2
2
1 1 1
= =
= =
Y X f
Y X f



2 Iteracin

Se calculan las derivadas del Jacobiano con los nuevos valores:

(

=
(

A
A
(

0 0
25 . 0 0
1 2
4 1
X
Y


Resolviendo el sistema:

0714285 . 0
0357142 . 0
= A
= A
X
Y


Se realizan las correcciones para encontrar los nuevos valores mejorados:

9285714 . 0 0714285 . 0 1
5357142 . 0 0357142 . 0 5 . 0
) 1 ( ) 2 (
) 1 ( ) 2 (
= + = A + =
= + = A + =
X X X
Y Y Y

Los valores para la segunda iteracin son:

9285714 . 0
5357142 . 0
) 2 (
) 2 (
=
=
X
Y


Evaluando las dos funciones nuevamente se obtiene:
0 2 ) 9285714 . 0 ( ) 5357142 . 0 ( 2 ) , (
0012753 . 0 4 ) 9285714 . 0 ( 4 ) 5357142 . 0 ( ) , (
) 2 ( ) 2 (
2
2 ) 2 ( ) 2 (
1
= =
= =
Y X f
Y X f


3 Iteracin

De forma similar a las iteraciones anteriores se obtiene:

(

=
(

A
A
(

0 0
0012753 . 0 0
1 2
4 0714285 . 1
X
Y



Resolviendo el sistema:

0003681 . 0
0001840 . 0
= A
= A
X
Y



Los valores para esta iteracin son:

0 ) , ( 9282033 . 0
002551 . 0 ) , ( 5358982 . 0
) 3 ( ) 3 (
2
) 3 (
) 3 ( ) 3 (
1
) 3 (
= =
= =
Y X f X
Y X f Y



En la Tabla N 2 se resumen los valores para cada una de las iteraciones:

k
) 1 ( + k
Y
) 1 ( + k
X
) 1 (
max
+ k
c
(Y)

) 1 (
max
+ k
c
(X)
1 0.5 -1 0.5 0
2 0.5357142 -0.9285714 0.0357142 0.07142
3 0.5358983 -0.9282032 0.0001863 0.0003682

Tabla N 2.- Solucin iterativa para el ejemplo 1 usando el mtodo de
Newton-Raphson.


Actividad para ejercitar lo aprendido: Resuelva por Newton-Raphson.

1 0 2 2 2
1 0 1 3
) 0 (
) 0 ( 2
= =
= =
X X Y
Y X Y




CONCLUSIONES:


Se desarroll la teora bsica de solucin de sistemas de ecuaciones no lineales para su
aplicacin en la solucin del problema de Flujos de carga.

Se describieron los mtodos iterativos de Gauss-Seidel y de Newton-Raphson para
resolver sistemas de ecuaciones no lineales y se realizaron ejemplos numricos para cada
mtodo.

Se pudo observar que el mtodo de Gauss-Seidel en la solucin de sistemas de
ecuaciones converge en ms iteraciones que el mtodo de Newton-Raphson. Se presento el
desarrollo de la matriz Jacobiana que ser la base en la aplicacin a redes elctricas para la
solucin del problema de flujos de carga.