Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ESCUELA DE INGENIERIA
PROGRAMACION DINAMICA
DUAL DETERMINISTICA EN EL
DESPACHO HIDROTERMICO
Profesor Supervisor:
HUGH RUDNICK VAN DE WYNGARD
PROGRAMACION DINAMICA
DUAL DETERMINISTICA EN EL
DESPACHO HIDROTERMICO
ii
AGRADECIMIENTOS
Deseo agradecer a todas aquellas personas del Departamento de Ingeniera Elctrica que
participaron de una u otra manera en el desarrollo de este trabajo.
De manera muy especial, agradezco a m profesor supervisor Dr. Hugh Rudnick por su
calidad humana y valiosa colaboracin. De igual forma, mis agradecimientos al profesor
Dr. Luis Contesse por su buena disposicin, consejo y amistad.
A la Pontificia Universidad Catlica de Chile, por darme la oportunidad de ampliar mis
conocimientos y por el respaldo econmico brindado.
Tambin agradezco al proyecto Fondecyt Nro. 1930708 por el soporte financiero y al
proyecto Fondecyt Nro. 1930619 por el soporte parcial a la presente investigacin.
Agradezco tambin la amistad, consejo y crtica de Ral Sanhueza.
iii
INDICE GENERAL
Pg.
DEDICATORIA ...........................................................................................................ii
AGRADECIMIENTOS...............................................................................................iii
INDICE DE TABLAS ................................................................................................vii
INDICE DE FIGURAS .............................................................................................viii
RESUMEN ................................................................................................................... x
ABSTRACT ................................................................................................................xi
I.
1.1
1.2
1.3
1.4
1.4.1
1.4.2
1.4.3
1.4.4
1.5
INTRODUCCION ........................................................................................ 1
Generalidades ............................................................................................. 1
Planteamiento del Problema ....................................................................... 1
Objetivos de la Investigacin ..................................................................... 4
Revisin Bibliogrfica................................................................................ 5
Agregacin y Desagregacin de los Embalses (AD)........................ 5
Equivalentes Determinsticos (ED).................................................. 6
Aproximaciones Sucesivas (AS)...................................................... 6
Descomposicin de Programacin Lineal........................................ 6
Estructura del Trabajo ................................................................................ 7
II.
2.1
2.2
2.2.1
2.2.2
2.2.3
2.3
2.4
2.4.1
iv
2.4.2
2.5
2.6
2.7
2.7.1
2.7.2
2.7.3
III.
MODELO LINEAL EN PROGRAMACION DINAMICA PARA EL
DESPACHO HIDROTERMICO .............................................................................. 25
3.1
Introduccin.............................................................................................. 25
3.2
Caracterizacin de un Problema Lineal en Programacin Dinmica ....... 25
3.2.1
Definiciones ................................................................................... 25
3.2.2
Caractersticas ................................................................................ 26
3.2.3
Principio de Optimalidad ............................................................... 27
3.3
Formulacin del Despacho Hidrotrmico de un Sistema Multiembalse .. 28
3.3.1
Variables de Estado........................................................................ 29
3.3.2
Variables de Decisin .................................................................... 29
3.3.3
Restricciones .................................................................................. 30
3.3.3.1
Ecuacin de Transicin.................................................... 30
3.3.3.2
Restricciones en la Variable de Estado ............................ 30
3.3.3.3
Restricciones en la Variable de Decisin......................... 30
3.3.4
Costo Inmediato de Operacin....................................................... 31
3.4
El Problema de Dimensionalidad en Sistemas Multiembalse .................. 33
IV
METODOLOGIA DE OPTIMIZACION PARA RESOLVER EL
DESPACHO HIDROTERMICO ............................................................................... 35
4.1
Introduccin.............................................................................................. 35
4.2
Programacin Dinmica Tradicional........................................................ 35
4.3
Programacin Dinmica Dual Determinstica.......................................... 40
4.3.1
Principio de Descomposicin de Benders (DB)............................. 41
4.3.1.1
Algoritmo para Generar Vrtices Duales utilizando DB . 45
4.3.2
Extensin del Principio DB a un Problema Multi-etapa................ 49
4.3.2.1
Algoritmo PDDD para Resolver un Problema Lineal Multietapa utilizando DB
50
4.4
Solucin del Problema en Cada Etapa...................................................... 55
4.4.1
El Mtodo Simplex Revisado para Variables Acotadas ................ 56
4.4.2
Consideraciones Especiales para un Programa Lineal Robusto..... 58
V.
5.1
5.2
5.3
5.3.1
5.3.2
5.4
VI.
6.1
6.2
BIBLIOGRAFIA ........................................................................................................ 78
ANEXOS.................................................................................................................... 82
Anexo A : HIPERPLANOS DE APOYO Y POLIEDROS CONVEXOS................ 83
Anexo B : ALGORITMO PARA GENERAR VERTICES DUALES UTILIZANDO
DIFERENTES FUNCIONES OBJETIVO .............................................. 88
Anexo C : UN METODO PRIMAL PARA LA ACTUALIZACION DE UNA
SOLUCION BASICA FACTIBLE INICIAL .......................................... 92
Anexo D : APLICACION DE CORHIDRO AL SISTEMA DE PRUEBA CON
CUATRO EMBALSES EN CASCADA ................................................ 97
Anexo E : APLICACION DE CORHIDRO AL SISTEMA DE LA CUENCA DEL
MAULE ................................................................................................. 107
vi
INDICE DE TABLAS
Pg.
Tabla 5.1: Caractersticas de las centrales hidroelctricas ubicadas en la Cuenca del
Maule....................................................................................................... 71
Tabla 5.2: Evolucin de los lmites en el problema de operacin de la Cuencadel Maule
................................................................................................................. 71
Tabla 5.3: Estratgia de Operacin Optima en el sistema hidrotrmico de la Cuenca del
Maule....................................................................................................... 72
Tabla 5.4: Comparacin de los resultados de la aplicacin de CORHIDRO utilizando el
mtodo Simplex Acotado, MINOS y LINDO al caso I ........................... 73
Tabla 5.5Comparacin de los resultados de la aplicacin de CORHIDRO utilizando el
mtodo Simplex Acotado, MINOS y LINDO al caso II.......................... 73
vii
INDICE DE FIGURAS
Pg.
Figura 1.1: Diagrama esquemtico de un sistema elctrico hidrotrmico ................... 2
Figura 2.1: Representacin esquemtica de los niveles de planificacin .................. 11
Figura 2.2: Costos de inversin de las centrales trmicas a vapor............................. 14
Figura 2.3: Curva caracterstica incremental de calor y/o costo de las unidades
termoelctricas a vapor............................................................................ 15
Figura 2.4: Curva caracterstica de la tasa incremental del agua en las centrales
hidroelctricas.......................................................................................... 16
Figura 2.5: Costos de inversin de las centrales hidroelctricas ms el sistema de
transmisin hasta la troncal ..................................................................... 19
Figura 2.6: Representacin de la demanda mxima y consumo de energa............... 22
Figura 3.1: Ejemplo de Programacin Dinmica....................................................... 27
Figura 4.1: Construccin de la funcin de costo futuro de cualquier etapa t discretizando
la variable estado ..................................................................................... 39
Figura 4.2: Ejemplo de la forma de la funcin de costo futuro para el caso de una
variable de estado .................................................................................... 40
Figura 4.3: Proceso de decisin de dos-etapas........................................................... 42
Figura 4.4: Construccin geomtrica dela funcin costo futuro de la etapa 1 por medio
de hiperplanos de apoyo .......................................................................... 44
Figura 4.5: Algoritmo DB para un problema secuencial de dos etapas ..................... 47
Figura 4.6: Simulaciones Forward y recursin Backward ......................................... 54
Figura 4.7: Convergencia del mtodo propuesto ....................................................... 55
viii
ix
RESUMEN
En el presente trabajo se analiza el problema del Despacho Hidrotrmico en sistemas con
mltiples embalses en cascada y con un numero finito de plantas trmicas.
El objetivo es desarrollar un modelo en programacin lineal para representar en forma
detallada las caractersticas fsicas, tcnicas y operativas del sistema hidroelctrico y, de
manera agregada las del sistema trmico.
La metodologa de optimizacin a implementar es denominada Programacin Dinmica
Dual Determinstica, la cual se basa en la tcnica de descomposicin de Benders. Este
mtodo no requiere discretizar el espacio de estado de la programacin dinmica, por lo
tanto evita el problema de dimensionalidad.
Para resolver el problema lineal asociado a cada etapa se utiliza el mtodo Simplex
Revisado para Variables Acotadas, provisto de una tcnica primal para generar de
manera econmica una solucin bsica factible inicial.
El mtodo resultante es comparado con otras herramientas computacionales estndares
de la programacin lineal, como son MINOS y LINDO.
Con los algoritmos anteriores se disea un software en una estacin de trabajo Hewlett
Packard HP Apollo 9000. Se reportan las aplicaciones a un sistema de prueba estndar
como al Sistema Interconectado Central de Chile.
ABSTRACT
The problem of Hydrothermal Dispatch of electric systems with multiple reservoirs in
cascade and with a finite number of thermal plants is analysed.
The objective is to develop a linear programming model to represent in detailed form the
physical, technical and operative characteristics of the hydroelectric system; with thermal
system in an aggregated model.
The implemented optimization methodology is the Deterministic Dual Dynamic
Programming, which is based in the Benders decomposition technique. The method does
not require the discretization of the dynamic programming state space, avoiding
dimensionality problem.
The linear problem of each stage is solved using the Revised Simplex method for
Bounded Variables. A primal technique is used to economically generate the feasible
basic initial solution.
The resultant method is compared with other standard linear programming computer
tools, such as MINOS and LINDO.
A computer program is development using the above algorithms in a Hewlett Packard
HP Apollo 9000 Workstation. The application to a standard test system and to the
Chilean Interconnected Central System are reported.
xi
I.
INTRODUCCION
1.1
Generalidades
en altos valores de cotas, utilizando generacin trmica cara para satisfacer la demanda y
si en el futuro se suceden altas afluencias, se tendra que vertir el recurso hidrulico, lo
cual, significa un gasto de energa y consecuentemente alto costo de operacin. Existe,
por lo tanto, una operacin ptima que consiste en generar una parte del agua disponible
y almacenar el resto para sustituir generacin trmica cara y/o falla en el futuro.
De lo anterior se desprende que, aun cuando la generacin en una central de embalse no
signifique un gasto monetario directo, el agua s tiene un valor econmico. El valor del
agua utilizada en un instante cualquiera corresponde al costo actualizado de operacin y
falla que ella sustituye en ese momento [Espi83]; este valor actualizado es llamado
tambin "valor estratgico". Por lo tanto, la funcin objetivo es NO-SEPARABLE, ya
que el valor de la energa generada por una planta hidrulica no puede ser medida
directamente como una funcin del estado de la planta sola, sino en trminos de los
ahorros de combustible de la generacin trmica evitada
Debido al comportamiento hidrolgico es imposible tener perfectas predicciones de las
futuras secuencias de las afluencias y en cierta medida, de la demanda futura
propiamente dicha, por lo tanto, el problema de la operacin de sistemas elctricos es
ESTOCASTICO [Pere85b].
La existencia de mltiples embalses interconectados y la necesidad de optimizacin
mediante un proceso de decisiones multi-etapa caracterizan al problema de GRAN
TAMAO.
La funcin objetivo es NO-LINEAL debido no solamente a la funcin de costo de las
unidades trmicas, sino tambin al producto de la descarga por la cota en los embalses de
las plantas hidroelctricas.
El problema de operacin hidrotrmica puede ser resuelto entonces por programacin
dinmica estocstica (PDE). Las variables que pueden influir en el resultado de la
operacin hidrotrmica forman el estado del sistema y son representadas por valores
discretos. Para que la solucin sea computacionalmente viable se requieren realizar
diversas simplificaciones en la representacin del sistema, como la de suponer un
comportamiento determinstico en las centrales trmicas del sistema, los aportes a los
embalses y la demanda. As mismo, debido a la simplicidad y rapidez de los mtodos
Objetivos de la Investigacin
1.4
Revisin Bibliogrfica
1.4.2
En el mtodo AS, tambin denominado mtodo "uno por vez", cada embalse del sistema
es optimizado suponiendo conocido el valor esperado de operacin del resto de los
embalses del sistema, esta operacin se repite hasta lograr la convergencia [Wood84]
[Sher85].
La desventaja ms importante de este mtodo es justamente la de suponer conocida la
forma de operacin de los embalses en cada paso del primer ciclo iterativo, por lo que
para contemplar la retroalimentacin existente en el proceso de optimizacin entre
variables de control correspondientes a cuencas independientes es necesario realizar por
lo menos dos ciclos iterativos completos. Su principal ventaja es mantener una
representacin detallada de cada cuenca del sistema [Rive92].
1.4.4
En vista de las limitaciones que presentan los mtodos descritos en las primeras tres
categoras, en la actualidad se han venido desarrollando nuevos desarrollos con
extensiones de mtodos de descomposicin lineales tales como: Dantzig-Wolfe [Dant73]
y Benders [Bend62] [Geof72], los cuales han reportado buenos resultados.
1.5
II.
2.1
Introduccin
2.2
Dimensin Temporal
10
11
suministrados en cada nivel y las realimentaciones que existen para que interactuen las
distintas decisiones adoptadas, se pueden apreciar en la figura 2.1 .
Dimensin Espacial
12
Las centrales trmicas a vapor utilizan como fuente de energa el carbn o petrleo para
calentar vapor en una caldera. Este vapor es utilizado para accionar un conjunto turbinagenerador, el cual produce la energa elctrica. El ciclo ideal termodinmico de una
central trmica para obtener un rendimiento ptimo (hth) es el ciclo de Carnot (hth
65%); sin embargo en la realidad solo es factible alcanzar eficiencias del ciclo Rankine
(hth mucho menor del 60%). En la prctica, para indicar el rendimiento trmico de una
central trmica, se prefiere utilizar el consumo especifico (CE) como una relacin del
poder calorfico inferior (PCI) sobre la energa generada neta (kWh-neto). Adems, la
eficiencia trmica estar afectada por el rendimiento de la turbina, alternador y de la
caldera.
CE =
(2.1)
13
Costo1 Pot1
=
Costo2 Pot 2
(2.2)
14
costos fijos
costos variables
-
combustibles
no combustibles
Los costos fijos (CF) dependen del tiempo y consideran los itemes de personal,
contribuciones, seguros, etc.
Los costos variables de combustible (CVC) generalmente representan ms de la
mitad del costo total y pueden ser determinados a partir del CE, del PCI, del precio del
combustible y la generacin neta:
$
kcal
kg
CVC = CE
* PCI -1
* precio * energa(kWh )
kWh
kcal
kg
(2.3)
15
Figura 2.3: Curva caracterstica incremental de calor y/o costo de las unidades
termoelctricas a vapor
En los estudios de la planificacin de la generacin, las plantas termoelctricas se
representan por medio de un costo unitario de operacin, el cual representa el costo
marginal o incremental de cada unidad. Luego usualmente son agregadas en clases de
acuerdo a dicho costo marginal [Pere92].
16
2.4.2
Centrales Hidroelctricas
Las centrales hidroelctricas convierten la energa potencial del agua almacenada en los
embalses en energa cintica, la cual es utilizada para accionar un conjunto turbinagenerador, el cual produce la energa elctrica.
Generalmente las centrales hidrulicas estn localizadas distantes de los centros de
consumo y frecuentemente en los lugares mismos donde es posible aprovechar toda la
energa disponible e.g., en la cordillera (con los canales de aduccin y/o muro de presa
requeridos), y no cuando el recurso llega al mar con una gran prdida energtica.
Dependiendo de la altura de diseo de la central, se utilizan diferentes tipos de turbinas.
Para alturas superiores a los 300 mts. corresponde utilizar las del tipo impulso e.g.,
turbinas Pelton, y para altura medianas e inferiores se prefieren las del tipo reaccin e.g.,
Francis, Kaplan y Hlice fijo. En Chile, se utilizan las dos primeras en los proyectos de
plantas hidroelctricas. Para alturas (cotas) medianas (en el rango de 20 a 300 mts.) se
utilizan frecuentemente las turbinas Francis, para cotas inferiores (en el rango de 3 a 30
mts) se prefieren las Kaplan, con las cuales es posible optimizar el rendimiento de la
central por medio del ajuste ptimo de sus alabes.
Figura 2.4: Curva caracterstica de la tasa incremental del agua en las centrales
hidroelctricas.
17
(2.4)
Esta funcin depende de la presin existente en el agua a una profundidad h con gasto
afluente Q, y de la eficiencia de la turbina-generador htg, que a su vez depende de h y Q.
En estudios de planificacin de la operacin se considera despreciable la variacin de la
cota a lo largo de da, por lo tanto es posible definir un "factor de productividad" (r)
como una constante que depende de la altura de la altura h (mts.) y de la eficiencia htg.
r = 0.00981 * h tg * h
(2.5)
(2.6)
Se debe prestar atencin al nmero de unidades en una central hidroelctrica. Los grupos
grandes tienen economas de escala y un mayor rendimiento. Solamente cuando se tiene
caudales afluentes bajos es conveniente utilizar unidades pequeas, ya que el
rendimiento disminuye.
Las plantas hidrulicas se clasifican en centrales con embalse (volumen mximo
diferente al mnimo) y centrales de pasada (volumen mximo igual al mnimo). En
estudios de planificacin de la operacin, las centrales de pasada por no tener
almacenamiento posible, tienen que operar a su potencia disponible en todo momento,
por lo que generalmente se les considera como demanda negativa [Rudn92].
18
Los parmetros ms importantes para representar una central hidroelctrica con embalse
son los siguientes:
###factor de productividad
19
0 .84
+ 0.004
(2.7)
c) Las centrales hidroelctricas son muy flexibles, pueden partir y alcanzar plena carga,
o detenerse en minutos. Adems prcticamente pueden funcionar a cualquier potencia.
d) La disponibilidad esta limitada en gran medida por los aportes hidrolgicos a los
embalses. Sin embargo, con suficiente capacidad de regulacin pueden entregar toda su
potencia por algunas horas. Es lgico que en sistemas predominantemente
20
Las secuencias de los caudales tienen un papel crtico en los estudios de operacin de los
sistemas elctricos con alta proporcin de generacin hidrulica. El gasto afluente al
embalse de una central hidroelctrica es fundamentalmente estocstico [Turg80]
[Rive92]. Por lo tanto la energa generable en ellas tambin es una variable aleatoria
[Pere85b]. El fenmeno hidrolgico se modela generalmente con procesos estocsticos,
por ejemplo a travs del mtodo de simulacin de Montecarlo [Espi83] [Pere92], en la
cual se utilizan informaciones estadsticas, provenientes de registros histricos de
caudales, para simular distintas condiciones de operacin.
El objetivo de los modelos de sntesis de caudales es obtener el mximo de informacin
posible de los datos histricos. Estos modelos analizan el registro histrico como una
realizacin del proceso estocstico e intentan estimar los parmetros de este proceso. Los
modelos de generacin de caudales sintticos son utilizados para suministrar diversas
secuencias de caudales igualmente probables. Cuanto mayor sea el registro histrico
mejor ser el proceso de obtencin de los parmetros de proceso estocstico.
En este trabajo la secuencia de afluencias se trata en forma determinstica, permitiendo
mantener una representacin detallada del sistema. Este mtodo, denominado
EQUIVALENCIA DETERMINISTICA consiste en sustituir las variables por sus valores
21
esperados. Este enfoque permite conocer los caudales afluentes al inicio de cada etapa
del proceso de planificacin.
2.6
Representacin de la Demanda
22
Reserva en Giro
23
generadoras), es necesario mantener algunas de las unidades en giro slo a carga parcial,
esto se denomina "reserva en giro".
La forma de representar esta reserva es expresndolas como un valor en MW o como
porcentaje (%) de la demanda, y dependen de la velocidad de variacin de la demanda y
tamao de la unidad mayor. En sistemas grandes, la reserva en giro es aproximadamente
3-5% de la demanda mxima del sistema. El valor obtenido debe repartirse en varias
unidades trmicas utilizando criterios relacionados a la velocidad de toma de carga.
La reserva en giro influyen en los costos de operacin, ya que algunas de las unidades
del sistema tienen que trabajar a carga parcial.
2.7.2
Mnimos Tcnicos
Costo de Falla
Los costos de falla vienen a ser los costos asociados a la restriccin en el abastecimiento
de energa y por razones de seguridad deben ser incluidos en la funcin de costos totales
de operacin del sistemas. As es posible representar de alguna forma las consecuencias
de la falla: el costo social de falla y el costo privado de falla.
Se pueden considerar como costo social de falla a las prdidas de produccin, prdidas
por falta de refrigeracin, riesgo por falta de alumbrado pblico, prdidas de
entretenciones, mayor costo por uso de equipos de emergencia, etc.
El costo privado de falla para la empresa suministradora de electricidad se debe al
deterioro de imagen de la empresa y prdida del beneficio de venta de la energa no
realizada.
La forma ms usual de determinar los costos de falla es a travs de mtodos
economtricos y encuestas.
24
25
III.
MODELO LINEAL EN PROGRAMACION DINAMICA PARA EL
DESPACHO HIDROTERMICO
3.1
Introduccin
3.2.1
Definiciones
26
Caractersticas
El espacio de estado del sistema a fines de cada perodo depende slo del estado al
comienzo del perodo p y de las decisiones adoptadas durante dicho perodo.
X = f ( X -1,U ,Y
t
(3.1)
27
A cada estado inicial y decisin de operacin est asociado un costo o beneficio Ct,
el cual depende de la condicin exterior Yt durante el periodo..
U
C = f X -1,
Y
(3.2)
Las condiciones iniciales y/o finales del sistemas (estados Xt-1, Xt) pueden estar
prefijadas a valores conocidos o ser libres.
-1
=X
X =X
t
3.2.3
*
t
-1
*
(3.3)
Principio de Optimalidad
28
una etapa particular, las decisiones restantes deben constituir una poltica ptima para
abandonar ese estado. En otras palabras, la trayectoria ptima desde el punto de partida
al punto final tiene la propiedad que para cualquier punto intermedio, la trayectoria debe
ser aquella ptima desde el punto de partida hasta aquel punto intermedio. Esto ilustra la
figura 3.1.
3.3
Si se conocen los volmenes afluentes a los embalses del sistema hidrotrmico al inicio
de cada etapa del horizonte de planificacin, el control del problema de DHT para
sistemas multiembalse puede ser resuelto a travs del siguiente modelo lineal recursivo
de PD [Pere85b] [Pere89] [Pere93] [Cama93]:
a t (X t ) =
1
C (U ) + * a + ( X + )
min
E
U
b
Y X
(3.4)
sujeto a
X t + = ft ( X t ,U t ,Yt )
ecuacin de transicin
(3.5)
g t + (X t + ) 0
(3.6)
ht (U t ) 0
(3.7)
" t = T ,T - 1,,1;
" Xt
donde:
t
Xt
Ut
29
Yt
Yt/Xt
E {}
valor esperado,
at(Xt)
costo futuro esperado de operacin desde la etapa t hasta el final del perodo
de planificacin bajo la poltica de operacin ptima,
3.3.1
Variables de Estado
En el vector de estado del sistema (Xt) se deben incluir todas las variables que puedan
afectar los resultados de la operacin. En el caso de sistemas hidroelctricos, las
variables de estado corresponden al volumen de almacenamiento de los embalses,
representado por el vector Vt.
X t = [Vt ]
3.3.2
(3.8)
Variables de Decisin
El vector de decisin (Ut) usualmente representa las variables sobre las cuales se toma el
control del problema. En este caso corresponde a los volmenes turbinados Qt, y a los
volmenes vertidos o derramados St de los embalses.
U t = [Qt , S t ]
(3.9)
Los agentes externos no controlables (Yt), pero que influyen en la toma de decisiones del
problema, corresponden a la informacin sobre la tendencia hidrolgica del sistema. En
este caso, se representan por los volmenes afluentes a los embalses en cada etapa, At.
Yt = [At ]
(3.10)
30
3.3.3
Restricciones
Ecuacin de Transicin
(Qk t + Sk t ) - PEFi
kPHU
" i PH
(3.11)
donde
i, k
PH
PHUi
PEFi
3.3.3.2
min
V + V
max
3.3.3.3
(3.12)
min
Q Q
t
max
(3.13)
31
(3.14)
3.3.4
El costo inmediato de operacin Ct(Ut) asociado al vector decisin est compuesto por
el costo de la generacin trmica requerida para complementar la alimentacin de la
demanda ms el costo de falla. La generacin de falla (GF) puede representarse como
una planta trmica con costo de operacin muy alto.
(3.15)
sujeto a.
[GT j t + GF j t ] = Dt
GH i t + j
PT
(3.16)
GH i t = r i * Qi t
(3.17)
iPH
GT j
min
GT j t GT j
max
GF j t 0
,
(3.18)
(3.19)
donde:
ri
Qi,t
PT
GTj,t
32
GTmin
GTmax
CTj ( )
GFj,t
CFj ( )
Dt
(3.20)
sujeto a
GH i t + GTST t + GFS t
,
iPH
= Dt
GH i t = r i * Qi t
,
GTST
GTST t GTST
GFS t 0
,
(3.22)
min
(3.21)
max
(3.23)
(3.24)
33
donde:
GTST,t
GFS,t
CFS ( )
3.4
NE = (M * N )
(3.25)
Por ejemplo, el modelo denominado Gestin Optima del Laja (GOL) [Espi83], para
resolver el problema DHT en el sistema interconectado chileno, utiliza 15 cotas para
representar los estados discretos del embalse Laja y la tendencia hidrolgica est
34
===>
(15*40)1
600
estados
===>
(15*40) 2 =
360
mil estados
3 embalses
===>
(15*40) 3 =
216
millones de estados
4 embalses
===>
(15*40) 4 =
5 embalses
===>
(15*40) 5 =
35
IV
METODOLOGIA DE OPTIMIZACION PARA RESOLVER EL
DESPACHO HIDROTERMICO
4.1
Introduccin
(c1 x1 + c 2 x 2 + c 3 x 3 + + cT xT )
36
sujeto a
A1 x1
b1
E1 x1 + A2 x 2
b2
E 2 x 2 + A3 x 3
(4.1)
b3
###
ET -1 xT -1 + AT xT bT
c1 x1 + a 1 (x1 )
sujeto a
(4.2)
A1 x1 b1
donde a###1(x1) representa las consecuencias futuras (en las etapas posteriores a la
primera) de las decisiones adoptadas en la primera etapa. Luego, sta funcin es
calculada por medio de:
a 1 (x1 ) = min
(c 2 x 2 + c 3 x 3 + c 4 x 4 + + cT xT )
sujeto a
A2 x 2
b2 - E1 x1
E 2 x 2 + A3 x 3
b3
(4.3)
37
ET -1 xT -1
###
+ AT xT bT
c 2 x 2 + a 2 (x 2 )
sujeto a
(4.4)
A2 x 2 b2 - E1 x1
donde a###2(x2) representa las consecuencias futuras (en las etapas posteriores a la
segunda) de las decisiones adoptadas en la segunda etapa. Luego, sta funcin es
calculada por medio de:
a 2 (x 2 ) = min
(c 3 x 3 + c 4 x 4 + c 5 x 5 + + cT xT )
sujeto a
A3 x 3
b3 - E 2 x 2 (4.5)
E 3 x 3 + A4 x 4
b4
ET -1 xT -1
###
+ AT xT bT
Si se repite ste mismo procedimiento durante las etapas siguientes. Para la etapa T-1, se
tendr la siguiente expresin:
min
cT -1 xT -1 + a T -1 (xT -1 )
sujeto a
(4.6)
AT -1 xT -1 bT -1 - ET -2 xT -2
donde a###T-1(xT-1) representa las consecuencias futuras (en las etapa T) de las
decisiones adoptadas en la etapa T-1. Luego, sta funcin es calculada por medio de:
a T -1 (xT -1 ) = min
cT x T
sujeto a
(4.7)
38
AT xT bT - ET -1 xT -1
Es lgico que en la etapa T el costo futuro a###T(xT) es cero, ya que corresponde a las
consecuencias futuras de dicha etapa. La cual no existe.
En resumen, el problema lineal 4.1 puede ser escrito en funcin de los costos futuro de
cada etapa:
min
c1 x1 + a 1 (x1 )
sujeto a
(4.8)
A1 x1 b1
donde:
a 1 (x1 ) = min
c 2 x 2 + a 2 (x 2 )
sujeto a
(4.9)
A2 x 2 b2 - E1 x1
donde:
a 2 (x 2 ) = min
c 3 x 3 + a 3 (x 3 )
sujeto a
(4.10)
A3 x 3 b3 - E 2 x 2
y as sucesivamente:
a T -2 (xT -2 ) = min
cT -1 xT -1 + aT -1 (xT -1 )
sujeto a
(4.11)
AT -1 xT -1 bT -1 - ET -2 xT -2
39
donde:
a T -1 (xT -1 ) = min
cT x T
sujeto a
(4.12)
AT xT bT - ET -1 xT -1
Para resolver este problema as planteado, se requiere discretizar el vector Xt en N
valores discretos (Xt1, Xt2, ..., XtN). Si se calculan los costos futuro para cada uno de
estos valores discretos {a######t(xt1), a###t(xt2), ..., a###t(xtN)###, se obtiene una
funcin como la que se muestra en la figura 4.1 [Pere89].
40
Figura 4.2: Ejemplo de la forma de la funcin de costo futuro para el caso de una
variable de estado
4.3
41
4.3.1
c1 x1 + c 2 x 2
sujeto a
A1 x1
b1
(4.13)
E1 x1 + A2 x 2 b2
El problema 4.13 puede ser descompuesto en dos etapas:
min
c1 x1
sujeto a
(4.14)
A1 x1 b1
c2 x2
sujeto a
(4.15)
A2 x 2 b2 - E1 x1
ntese que x1*, en el problema de la segunda etapa, ya es un valor conocido, por lo que
se encuentra en el lado derecho de las restricciones. Es importante observar tambin que
siempre existe una solucin para el problema 4.15, una vez que las variables operativas
de la primera etapa son determinadas. El objetivo es minimizar la suma de las funciones
de costo de la primera y segunda etapa. La figura 4.3 ilustra el proceso de decisin.
42
c1 x1 + a 1 (x1 )
sujeto a
(4.16)
A1 x1 b1
donde:
a 1 (x1 ) = min
c2 x2
sujeto a
(4.17)
A2 x 2 b2 - E1 x1
La funcin de costo futuro (4.17) "traduce" los costos de la segunda etapa como una
funcin de las decisiones x1 de la primera etapa. Entonces, si se conoce esta funcin de
costo futuro (4.17), el problema de dos etapas (4.13) puede ser resuelto como un
problema de una sola etapa (4.16).
En la seccin anterior se mostr que la funcin de costo futuro, puede ser representada
exactamente como una funcin lineal por partes (figura 4.2). Entonces, el principio DB
utiliza una relajacin de esta funcin por partes como aproximacin para construir
iterativamente la funcin de costo futuro.
La estructura de la funcin de costo futuro puede ser caracterizada a travs del dual del
problema de la segunda etapa.
a 1 (x1 ) = max
p (b2 - E1 x1 )
sujeto a
(4.18)
43
pA2 c 2
donde p### es el vector fila de variables duales. Por teora de PL se sabe que las
soluciones ptimas del primal (4.17) y del dual (4.18) son iguales. Entonces se tendr:
c 2 x 2 = p * (b2 - E1 x1 )
*
(4.19)
Como el problema dual 4.18 es un problema de PL, una de sus soluciones ptimas se
encuentra en un vrtice de la regin factible dual, definida por el conjunto de
restricciones:
pA2 c 2
(4.20)
entonces, el problema dual podra, en principio, ser resuelto por simple enumeracin de
todos los vrtices que delimitan la regin factible 4.20:
a 1 (x1 ) = max
p v (b2 - E1 x1 )
sujeto a
(4.21)
p v P
donde P### es el conjunto de los vrtices V que delimitan la regin factible 4.20:
P = p 1, p 2 , p 3 , , p V
(4.22)
El problema dual 4.21 puede ser equivalentemente escrito por medio de un problema de
minimizacin en PL:
a 1 (x1 ) = min
a
sujeto a
(4.23)
a p v (b2 - E1 x1 )
p v P
donde a### es una variable escalar. Este problema (4.23) interpreta geomtricamente
que la funcin de costo futuro a###t(xt) es una funcin lineal por partes, tal como se
mostr en la figura 4.2. Los componentes de esta funcin son los "hiperplanos de apoyo"
44
definidos por cada una de las restricciones anteriores (en el anexo A se definen los
hiperplanos de apoyo). Esto implica que la funcin de costo futuro puede ser
caracterizada sin necesidad de discretizar la variable de estado (x1), siendo suficiente
conocer nicamente los coeficientes pv###### (o vrtices duales) de los hiperplanos de
apoyo. Esto se puede apreciar en la figura 4.4.
Figura 4.4: Construccin geomtrica de la funcin costo futuro de la etapa 1 por medio de
hiperplanos de apoyo.
Es obvio observar, que la enumeracin exhaustiva de todos los vrtices duales (vector P
###) es una tarea extremadamente tediosa y difcil (algunas veces imposible con las
herramientas computacionales disponibles). En el anexo B, se describe un procedimiento
para la obtencin de los vrtices duales utilizando diferentes funcin objetivo. Con el
principio DB, solo es necesario generar algunos vrtices, sin necesidad de realizar una
enumeracin completa.
4.3.1.1
45
duales a travs de los multiplicadores Simplex del problema primal de la segunda etapa y
luego construir una aproximacin a la funcin de costo futuro a travs de los cortes de
Benders (hiperplanos de apoyo). Este subconjunto de vrtices son obtenidos
iterativamente hasta lograr una convergencia, al final de la cual se contar con una muy
buena aproximacin de la funcin de costo futuro. Este procedimiento se basa en el
siguiente anlisis: considrese el problema primal de la segunda etapa (4.15),
reproducido aqu por conveniencia de notacin:
( )
a 1 x1*
= min
c2 x2
sujeto a
(4.24)
A2 x 2 b2 - E1 x1*
var p
a 1 (x1 ) = min
a
sujeto a
(4.25)
a p (b2 - E1 x1 )
i
"i = 1,2, , n
Esta funcin aproximada de la funcin de costo futuro, puede ser utilizada para resolver
el problema de la primera etapa, tal como se hizo previamente en la formulacin PD.
min
c1 x1 + a 1 (x1 )
46
sujeto a
(4.26)
A1 x1 b1
c1 x1 + a
sujeto a
(4.27)
A1 x1 b1
a - p (b2 - E1 x1 ) 0
i
"i = 1,2, , n
Como se esta trabajando con la aproximacin de la funcin de costo futuro, es decir, con
a###^1(x1); el resultado del problema PL 4.27, constituir un lmite inferior zmin de la
funcin de costo ptima del problema de dos etapas. En otras palabras,
z min = c1 x1* + a *
(4.28)
donde x*1 y a###^* son las soluciones ptimas de la aproximacin del problema 4.27.
De igual forma se puede definir un lmite superior zmax por medio de la solucin del
problema de la segunda etapa con la decisin x*1 adoptada.
z max = c1 x1* + c 2 x 2*
(4.29)
La diferencia de estos lmites puede ser utilizada como test de convergencia y adems
nos permitir verificar la exactitud de la aproximacin de la funcin de costo futuro.
Cuando se determina zmin se estima la funcin de costo futuro y con zmax se determina
el valor real de esta funcin. Entonces, es lgico que cuando estos limites sean
aproximadamente iguales, se habr encontrado la solucin ptima del problema de dos
etapas, en caso contrario se tendr que determinar un nuevo corte de Benders para
aproximar nuevamente la funcin de costo futuro. Entonces, el test de convergencia
comparar el error (diferencia) entre ambos lmites con una tolerancia especificada
previamente.
(z
max
- z min e
(4.30)
47
c1 x1 + a
sujeto a
(4.31)
A1 x1 b1
a - p (b2 - E1 x1 ) 0
i
"i = 1,2, , n
48
3) Calcular el lmite inferior zmin con la expresin 4.28 y utilizando la solucin ptima
del problema anterior (x*1, a###^*).
4) Resolver el problema de la segunda etapa (se obtiene tambin el vector de variables
duales p###, asociado a este problema):
min
c2 x2
sujeto a
A2 x 2 b2 - E1 x1*
(4.32)
var p
a - p (b2 - E1 x1 ) 0
(4.33)
49
min
Primal
c +1 x +1
t
sujeto a
A +1x +1 (b +1 - E x
t
max
Dual
sujeto a
p (b +1 - E x
t
p (A +1 ) c
t
(4.34)
)
(4.35)
+1
Al igual que el caso de dos etapas; se puede apreciar que en el problema dual, la variable
de decisin x, asociada a la etapa t, est en la funcin objetivo; entonces, es posible
caracterizar la solucin del problema a travs del conjunto de restricciones definido por:
p###(At+1)###ct+1, sin necesidad de conocer la solucin de dicho vector x. Para lograr
esto se utiliza el algoritmo DB de modo de generar solamente los cortes de Benders
necesarios para aproximar la funcin de costo futuro. Idnticamente al caso anterior (ec.
4.21 para el problema de dos-etapas), el problema dual 4.35 puede ser resuelto por
simple enumeracin de los hiperplanos de apoyo que delimitan el espacio factible del
poliedro convexo en el cual se encuentra la solucin ptima del problema.
a t (x t ) = max p v (b +1 - E x
t
)}
"v = 1,2,,V
(4.36)
a
sujeto a
a p 1 (bt +1 - E t x t )
a p 2 (bt +1 - E t x t )
###
a p V (bt +1 - E t x t )
(4.37)
En este nuevo problema, cada una de las restricciones corresponde a un corte de Benders
del poliedro convexo definido por el conjunto de restricciones del problema dual en la
50
etapa t (ec. 4.35); el cual ser generado iterativamente por medio de los multiplicadores
Simplex o variables duales (p###), obtenidos en la solucin del problema primal (ec.
4.34). En vista del problema de dimensionalidad, solamente se generarn n vrtices
duales de un total de V vrtices, cantidad suficiente para obtener una buena
aproximacin de la funcin de costo futuro.
El esquema de solucin consiste en dos procedimientos: forward y Backward; los cuales
permitirn recorrer todas las etapas del problema dinmico a fin de obtener los
multiplicadores Simplex asociados a cada etapa y construir la funcin de costo futuro
aproximada en cada una de dichas etapas.
4.3.2.1
Algoritmo PDDD para Resolver un Problema Lineal Multi-etapa
Utilizando DB
En esta seccin se describen los procedimientos forward y Backward de la PD, as
mismo, se presenta el algoritmo utilizando PDDD. Este algoritmo permitir resolver un
problema multi-etapa (ecs. 4.8 al 4.12), como el caso del problema de la operacin en
sistemas hidrotrmicos; y consiste en calcular el costo actual y futuro en cada etapa del
horizonte de planificacin (T-etapas).
El costo actual es determinado en forma exacta, mientras que el costo futuro asociado a
cada etapa es construido en forma aproximada a travs de la generacin de los cortes de
Benders de cada problema lineal. Para resolver todas las etapas en un solo proceso
iterativo, se utilizan dos simulaciones: forward y Backward.
Con la simulacin forward, se determinan los valores ptimos de las variables y de las
funciones de costo de cada etapa en cada iteracin.; a travs de un programa lineal
(Simplex revisado para variables acotadas).
La simulacin Backward sirve para obtener las variables duales asociadas a cada
problema primal (en cada etapa) y con ellas generar los hiperplanos de apoyo para
construir las funciones de costo futuro aproximadas.
51
###
nmero de vrtices del poliedro convexo aproximado que define el espacio
factible de solucin de cada problema lineal, n=0;
###
###
hacer zmax=###;
###
aproximacin inicial de las funciones de costo futuro asociadas a cada etapa t,
^
a### t(xt)=0, "###t=1,2,###,T. Es decir, inicialmente no existe informacin disponible
sobre el conjunto de vrtices duales (P###) asociados a cada etapa.
2) Resolver el problema aproximado de la primera etapa:
min
w1 + a 1
sujeto a
(4.38)
A1 x1 b1
a 1 - p 2 (b2 - E1 x1 ) 0
i
"i = 1,2,, n
(4.39)
3) Calcular el lmite inferior zmin utilizando la solucin ptima del problema anterior:
(x*1, w###*1, a###^*1).
z min = w 1* + a 1*
(4.40)
52
4) Simulacin Forward:
Repetir para t=2,3,###,T
Adoptadas las decisiones ptimas en la etapa anterior (x*t-1), resolver el problema
aproximado de la etapa t:
a *-1 (x
t
-1
= min
c x +a
t
sujeto a
A x b - E -1 x -1
t
(4.41)
a t - p ti +1 (b +1 - E x ) 0
t
"i = 1,2,, n
a t*-1 (x t -1 ) = min
wt + at
sujeto a
At x t bt - E t -1 x t -1
(4.42)
)
)
a t - fti+1 - p ti +1E t x t* - x t 0
"i = 1,2, , n
donde:
(4.43)
5) Calcular el lmite superior zmax utilizando para ello la solucin ptima en cada etapa
(x*t, a###^*t), obtenidos en el paso anterior.
T
53
ct xt + a t
sujeto a
At x t bt - E t -1 x t -1
(4.45)
a t - p ti +1 (bt +1 - E t x t ) 0
"i = 1,2,, n
wt + a t
sujeto a
A x b - E -1x -1
t
(4.46)
)
)
a - f +1 - p +1E x * - x 0
i
"i = 1,2,, n
54
9) Volver al paso 2.
En la figura 4.6 se muestra grficamente el principio de optimizacin de los
procedimientos forward y Backward.
55
56
Adems, en vista que el mtodo PDDD resuelve una secuencia de problemas lineales en
cada iteracin, y siendo cada uno de estos problemas modificado por la adicin de una
nueva restriccin (corte de Benders); se ha implementado un mtodo primal para la
actualizacin de una solucin bsica factible inicial [Cont93b], la cual es reportada en el
anexo C. Con este mtodo se aprovecha la base factible inicial de la iteracin anterior,
sin necesidad de realizar completamente la fase I del Simplex revisado.
4.4.1
Considrese el siguiente problema lineal estructurado con restricciones de cotas con "n"
variables y "m" restricciones:
min
cT x
sujeto a
Ax = b
(4.47)
l x u
x Rn
donde: c, x, l y u son vectores de dimensin-n, b es un vector de dimensin-m y la matriz
de coeficientes A es de orden mxn.
Para resolver este problema con un paquete PL tradicional, es necesario
reformularlo en el formato estndar clsico. Para esto se agregan n variables de holgura y
n variables de exceso:
min
cT x
sujeto a
Ax = b
x+y =u
x-z=l
x, y , z 0
(4.48)
57
58
c) La actualizacin del lado derecho del tableau y del nuevo valor de la funcin objetivo
depender tambin del caso en que se encuentre (i.e., cualquiera de las alternativas del
tem 1).
En general, el procedimiento de bsqueda de los vrtices del poliedro convexo ser
mucho ms complicado que el del caso del Simplex tradicional, sin embargo,
computacionalmente ser mucho mas viable y rpido en cuanto al nmero de iteraciones
y de menor capacidad en cuanto a memoria til.
Detalles de sta metodologa, as como del algoritmo implementado del mtodo Simplex
revisado para variables acotadas puede encontrarse en la referencia [Baza90]
4.4.2
59
60
V.
5.1
Caractersticas Generales
Implementacin Computacional
61
62
63
(5.1)
Los volmenes iniciales en las etapas posteriores, sern determinados con los resultados
de la optimizacin de los problemas lineales en cada etapa previa. Por ejemplo, los
volmenes de almacenamiento determinados en la etapa 1, luego de efectuar el
procedimiento de optimizacin, servirn como informacin de entrada para resolver el
problema asociado a la segunda etapa.
64
65
66
67
Como se aprecia en los resultados de la figura 5.5, existe una mejor distribucin de la
energa hidrulica disponible que en la iteracin anterior y el costo de operacin total es
bastante inferior. Sin embargo, el test de convergencia indica que aun no se ha
encontrado la solucin ptima que represente la mejor poltica de operacin del problema
secuencial de tres etapas. Este error muestra que las decisiones adoptadas en el presente
arrojan un costo menor de la aproximacin de costo futuro que el correspondiente a las
decisiones adoptadas en el futuro. Por lo tanto los costos marginales aproximados no son
iguales a los costos marginales reales.
68
Con esta informacin adicional, se efecta una nueva iteracin del procedimiento
Forward con la finalidad de determinar una mejor estrategia de operacin del sistema
elctrico hidrotermal. Los resultados de esta iteracin se muestran en la figura 5.7.
69
Este sistema corresponde a los modelos de 5 embalses (Laguna La Invernada, Laguna del
Maule, embalse Melado, embalses Colbn y Machicura) pertenecientes al sistema
interconectado chileno (SIC) [Alar93]. Las centrales hidroelctricas que se encuentran en
la hoya hidrogrfica del Maule son: Cipreses, Isla, Pehuenche, Colbn y Machicura. En
la figura 5.8 se muestra esquemticamente la configuracin hidrulica del sistema.
Las centrales Cipreses e Islas son de propiedad de la ENDESA y forman una serie
hidrulica. La generacin de estas dos centrales est directamente asociada a la Laguna
La Invernada y a la Laguna del Maule. Las aguas de la Laguna La Invernada se utilizan
exclusivamente para generacin de energa elctrica, en cambio la Laguna del Maule es
utilizada fundamentalmente para riego.
70
71
conocen las afluencias a cada uno de los embalses durante todo el horizonte de
planificacin. Los archivos que contienen esta informacin son reportados en el Anexo
E.
Tabla 5.1: Caractersticas de las centrales hidroelctricas ubicadas en la Cuenca del
Maule
Nombre
Cipreses
Isla
Tipo
Central
Capacidad
Regulacin
Embalse
2 meses
36.4
370.0
101.4
84.0
93.0
68.0
Pasada
Gasto
Altura Potencia
Central de Cada Instalada
(m3/seg) (mtr.)
(MW)
Pehuenche
Embalse
1 da
300.0
206.0
500.0
Colbn
Embalse
2 meses
280.0
168.0
400.0
Machicura
Embalse
1 da
280.0
37.0
90.0
Lmite Inferior
Lmite Superior
Error
20.00000
268.58971
248.58971
132.36655
268.58971
136.22316
250.57086
268.58971
18.01885
250.57086
250.57086
0.00000
72
5.4
Etapa 1
Etapa 2
Etapa 3
1080.0000
950.0000
1019.4291
Gen. Trmica
20.0000
150.0000
80.5709
Falla
0.0000
0.0000
0.0000
Costo Actual
20.0000
150.0000
80.5709
Costo futuro
230.5709
80.5709
0.0000
73
Simplex Acotado
MINOS
LINDO
465.60
465.6001
465.60
134.40
134.3999
134.40
0.00
0.00
0.00
134.40
134.3999
134.4
Nmero Iteraciones
1.18
5.48
0.50
1.93
0.18
0.66
Falla (MW)
Costo Operacin Total ($)
MINOS
LINDO
3049.4291
3049.4292
3049.4291
250.5709
250.5654
250.5709
0.00
0.00
0.00
250.5709
250.5654
250.5709
Nmero Iteraciones
1.87
7.07
0.87
2.37
0.52
0.81
Simplex Acotado
74
VI.
6.1
Conclusiones
75
La idea fundamental del algoritmo dual determinstico es predecir los costos futuros en
cada etapa y mediante la recursin de los multiplicadores Simplex, aportar mejor
informacin para verificar que tales predicciones son las reales. Esto es factible de
observar mediante los lmites superior e inferior del algoritmo. Por lo tanto, se establece
una relacin entre la incertidumbre del costo estimado y el criterio de convergencia
aportado por dichos lmites. Adems, es posible calcular una poltica de operacin cuya
exactitud es compatible con los resultados aceptables de la simulacin. De lo ltimo se
deduce que el valor de la tolerancia en el criterio de convergencia debe ser consistente
con la incertidumbre en la estimacin de los costos futuros en la simulacin Forward.
Para resolver los problemas lineales se ha implementado el algoritmo Simplex Revisado
para Variables Acotadas. La caracterstica fundamental de este algoritmo es el de
permitir recorrer los vrtices del poltopo convexo de la regin factible primal original
en busca del vrtice ptimo, sin necesidad de buscar en el poltopo convexo definido por
el conjunto de restricciones originales ms las restricciones creadas por las variables
acotadas superior e inferiormente. Esto conlleva a trabajar siempre con una matriz de
base de mxm restricciones y no con una base de (2n+m)x(2n+m) restricciones, siendo n
el nmero de variables.
El software denominado CORHIDRO es una herramienta computacional codificado en
HP FORTRAN 77, en base a los algoritmos descritos en los captulos previos. Este ha
sido diseado en forma estructurada y modular con la finalidad de realizar posteriores
extensiones; en el caso que se requiera, sin realizar modificaciones sustanciales en el
cuerpo del programa. El ambiente utilizado es una estacin de trabajo Hewlett Packard
HP Apollo 9000 con sistema operativo HP-UNIX 9.0.
Se reportan la aplicacin de CORHIDRO a dos casos. El primero corresponde a un
sistema de prueba con 4 embalses en cascada y el segundo es un sistema real, que forma
parte del sistema interconectado chileno. La convergencia de ambos casos ha sido
bastante rpida (1.18 seg. y 1.87 seg. de tiempo de ejecucin real para cada uno de los
casos respectivamente).
La estrategia de operacin encontrada corresponde a aquella de mnimo costo, ya que se
ha aprovechado totalmente el recurso hidrulico disponible en los embalses, permitiendo
generacin trmica mnima y evitando la falla. Tambin existe una buena relacin entre
76
las decisiones adoptadas en el presente con las decisiones adoptadas en el futuro, esto
porque el proceso de optimizacin ha buscado utilizar en cada etapa solamente la
cantidad necesaria de agua y permitir embalsar el resto para su utilizacin en el futuro,
sin necesidad de vertir o derramar.
Para verificar los resultados, la unidad que conforma el Simplex Revisado para Variables
Acotadas ha sido reemplazado por dos paquetes computacionales de amplio
reconocimiento: MINOS y LINDO. Con estas herramientas se obtuvo prcticamente la
misma poltica de operacin en ambos sistemas hidrotrmicos, que la que se consigui
con el programa CORHIDRO original. Estos resultados demuestran la validez,
potencialidad y robustez del software implementado.
6.2
Futuros Desarrollos
77
78
BIBLIOGRAFIA
[Alar93]
ALARCON, I. (1993) Planificacin de la Operacin y Tarificacin en el
Sistema Interconectado Central Chileno. Grupo X: Operacion de Sistemas Elctricos,
Chilgener. Santiago, Chile.
[Arar84]
ARARIPE, T., PEREIRA, M. y KELMAN, J. (1984) A Risk Constrained
Stochastic Dynamic Programming Approach to the Operation Planning of Hydrothermal
Systems. IEEE Summer Power Meeting. USA.
[Arva70]
ARVANIDITIS, N. y ROSING, J. (1970) Composite Representation of a
Multi-Reservoir Hydroelectric Power Systems. IEEE Transactions PAS, Vol 2. USA.
[Baza90]
BAZARAA, M., JARVIS, J. y SHERATI, H. (1990) Linear
Programming and Network FLows. John Wiley, New York, USA.
[Bell62]
BELLMAN, R. (1962 ) Applied Dynamic Programming. Princenton
University Press. New Jork, USA.
[Bend62]
BENDERS, J. (1962) Partitioning Procedures for Solving MixedVariables Programming Problems. Numerische Mathematik, Vol 4. Alemania.
[Cama93]
CAMAC, D. (1993) Programacin Optima de Operacin de Sistemas
Elctricos Hidrotrmicos. Informe Final Proyecto de Investigacin FAT-22/93,
Pontificia Universidad Catlica. Santiago, Chile.
[Cama94]
CAMAC, D. y RUDNICK, H. (1994) Un Algortimo Branch & Bound
para el Predespacho Optimo de Carga. Remitido al XI Congreso de la Asociacin
Chilena de Control Automtico ACCA 94. Santiago, Chile.
[Cdec91]
CDEC (1991) Estadsticas de Operaciones del Sistema Interconectado
Chileno. Informe Centro de Despacho Econmico de Carga CDEC-SIC 91.
Santiago, Chile.
[Cdec93]
CDEC (1993) Movimiento de Energa del Sistema Interconectado
Chileno. Informe Centro de Despacho Econmico de Carga CDEC. Santiago, Chile.
79
[Cont93a]
CONTESSE, L. (1993) Programacin Matemtica. Apuntes de Curso,
Pontificia Universidad Catlica. Santiago, Chile.
[Cont93b]
CONTESSE, L. (1993) Un Mtodo Primal para la Actualizacin de una
Solucin Bsica Factible Inicial. Documento de Trabajo, Pontificia Universidad
Catlica. Santiago, Chile.
[Dant73]
DANTZIG, G. (1973) Linear Programming and Extensions.
Princeton University Press. USA.
[Egel82]
EGELAND, O., HEGGE, J., KYLLING, E. y NES, J. (1982) The
Extended Power Pool Model--Operation Planning of a Multi-River and Multi-Reservoir
Hydro-Dominated Power Production System- A Hierarchical Approach. CIGRE Meeting.
Francia.
[Erno82]
ERNOULT, M. y MESLIER, F. (1982) Analyze et prvision de la
demande d###energie lectrique. Electricit de France, RGE 4/82. Francia.
[Espi83]
ESPINOZA, G., GATICA, P. y SKOKNIC, E. (1983). Descripcin y
Usos de un Modelo de Operacin del Sistema Interconectado Central de Chile. Informe
Comite Nacional Chileno ENDESA. Santiago, Chile.
[Geof72]
GEOFFRION, A. (1972) Generalized Benders Decomposition. Journal
of Optimization Theory and Applications, Vol 10, No 4. USA.
[Ieee90]
IEEE. (1990) Application of Optimization Methods for Economy/Security
Functions in Power System Operations. Tutorial Course, 90EH0328-5-PWR. USA.
[Ikur84]
IKURA, Y. y GROSS, G. (1984) Efficient Large-Scale Hydro System
Scheduling with Forced Spill Conditions. IEEE PES Winter Meeting. USA.
[Jara93]
JARAMILLO, P. (1993) Planificacin de Sistemas Elctricos de Potencia.
Apuntes de Curso, Pontificia Universidad Catlica. Santiago, Chile.
[Lasd70]
LASDON, L. (1970) Optimizacin Theory for Large Systems.
MacMillan. New York, USA.
80
[Luen89]
LUENBERGER, D. (1989) Programacin Lineal y No Lineal. AddisonWesley Iberoamericana. California, USA.
[Mini82]
MINISTERIO DE MINERIA (1982) Ley General de Servicios
Elctrcios: D.F.L. No 1/82. 13 Septiembre, Santiago, Chile.
[Pere85a]
PEREIRA, M. (1985) Optimal Scheduling of Hydrothermal Systems - An
Overview. IFAC Symposium on Planning & Operation of Electric Energy Systems.
Rio de Janeiro, Brasl.
[Pere85b]
PEREIRA, M. y PINTO, L. (1985) Stochastic Optimization of a MultiReservoir Hydroelectric System: A Decomposition Approach. Water Resources
Research, Vol 21, No 6. USA.
[Pere89]
PEREIRA, M. (1989) Optimal Stochastic Operations Scheduling of Large
Hydroelectric Systems. Electrical Power & Energy Systems, Vol 11, No 3. USA.
[Pere92]
PEREIRA, M. (1992) Planificacin de Sistemas Elctricos. Curso
Tutorial, Pontificia Universidad Catlica. Santiago, Chile.
[Pere93]
PEREIRA, M. (1993) Desarrollo de un Modelo de Despacho
Hidrotrmico con Restricciones de Transmisin para el Sistema Chileno. Taller de
Presentacin, CDEC-SIC. Santiago, Chile.
[Pint93]
PINTO, L. (1993) Optimizacin de Sistemas Elctricos: Planificacin y
Operacin. Curso Tutorial, Pontificia Universidad Catlica. Santiago, Chile.
[Rees71]
REES, F. y LARSON, L. (1971) Computer Aided Dispatching and
Operating Planning for an Electric Utility with Multiple Types of Generation. IEEE
Transactions PAS, Vol 10, No 2. USA..
[Rive90]
RIVERA, J., GALDEANO, C. y VARGAS, C. (1990) Some Numerical
Criteria to Measure Validity of Hydro-aggregation in Hydrothermal Systems.
International Electrical Power and Energy Systems, Vol 12, No 1. USA.
[Rive92]
RIVERA, J. y FERRERO, R. (1992) Procedimiento Multidimensional
Iterativo con Conjunto Limitado de Decisiones Basado en Algoritmos de PDE para la
81
82
ANEXOS
83
1,
C y todo nmero
84
Hiperplanos
El "hiperplano" es el conjunto convexo ms importante en la teora de optimizacin, se
presentan en la forma de multiplicadores de Lagrange, teora de dualidad o clculos del
gradiente. Previo a la definicin algebraica para describir concretamente a los
hiperplanos es importante definir lo que es una "variedad lineal".
Definicin 2:
Un conjunto
tiene
1,
V, se
Esta definicin geomtrica abstracta se relaciona con una definicin algebraica, dada por
la siguiente proposicin:
Proposicin 1:
Sea
H = x E n : aT x = c
(A.1)
es un hiperplano de En.
85
Sea
(A.2)
(A.3)
H + = x : aT x c
H - = x : aT x c
(A.4)
(A.5)
H + = x : aT x > c
H - = x : aT x < c
Es fcil observar que los semiespacios constituyen conjuntos convexos y que la unin de
H+ y H- es el espacio total.
Tambin es importante definir lo que es un "poltopo convexo":
86
Definicin 5:
Un poltopo convexo es un conjunto que puede expresarse como la interseccin de un nmero
finito de semiespacios cerrados.
De aqu, los poltopos convexos son los conjuntos obtenidos como la familia de
soluciones a un conjunto de desigualdades lineales de la forma:
a1T x b1
a2T x b2
T
am x bm
(A.6)
87
Hiperplanos de Apoyo
Es el plano de soporte asociado a un conjunto convexo, su mayor aplicacin esta en la
Programacin Dinmica Dual Determinstica (PDDD) - desarrollado en el captulo IV - y
corresponden a los cortes de Benders generados en el proceso iterativo. La definicin de
los hiperplanos de apoyo es establecida a travs del siguiente teorema.
Teorema 1:
Sean
un conjunto convexo, e
contiene y
"Hiperplano
de Apoyo".
88
p (b2 - E1x1 )
sujeto a
(B.1)
pA2 c 2
Este problema presenta una caracterstica muy interesante: la regin factible dual no
depende de las variables x1. Entonces, es posible desarrollar un algoritmo para generar
los vrtices duales basados en la solucin del problema dual para diferentes funciones
objetivo. La solucin de un problema de programacin lineal, cuya regin factible
corresponde al poltopo ilustrado en la figura B.1 es dada por los vrtices V1 V2 V3
si las funciones objetivo a ser optimizadas fueron representadas respectivamente por la
rectas f1, f2 y f3.
89
90
91
92
i = 1,2, , m
x0
(C.1)
x Rn
donde Amxn es una matriz de rango mximo m.
Supongamos conocida una solucin bsica factible para, digamos, las p primeras
restricciones de igualdad (p<m). Sea B (matriz pxp) la matriz de base asociada. Esta
solucin est dada entonces por:
x B = B -1b
(C.2)
xD = 0
donde:
b1
b=
b
p
(C.3)
En lo que sigue veremos un mtodo para construir una solucin bsica factible del
sistema compuesto por las (p+1) primeras restricciones de igualdad y las condiciones de
signo:
Ai x = bi
Ap +1x = bp +1
x 0
i = 1,2, , p
(C.4)
93
De aqu en adelante, por simplicidad, designaremos Apxn por A, Ap+1 por dT y bp+1
por e.
Con estas definiciones, en lo que sigue se considera separadamente cada uno de los
siguientes casos:
Caso 1:
e - d BT B -1b 0
(C.5)
sujeto a
(C.6)
Ax = b
dT x + y = e
x, y 0
(C.7)
1
1
dDT
94
0
1
(C.8)
1
- d B B
(C.9)
I
1
B-1D
B-1b
(dDT-dBTB-1D)
e-dBTB-1b
-(dDT-dBTB-1D)
-(e-dBTB-1b)
As, se itera hasta obtener la solucin ptima. Si el valor ptimo del problema (C.6)
resulta mayor que cero (y>0), el sistema lineal (C.4) es inconsistente y lo mismo es
cierto naturalmente para el sistema completo original (C.1).
Por el contrario, si el valor ptimo de (C.6) es igual a cero (y=0), la solucin ptima
correspondiente provee una solucin bsica factible para el sistema lineal (C.4) segn:
xB = B -1b
xD = 0
donde:
b
b = p +1
b
B = B
(
p +1)* ( p +1)
(C.10)
(C.11)
matriz de base ptima para el problema (C.6).
95
Caso 2:
e - d BT B -1b < 0
(C.12)
sujeto a
(C.13)
Ax = b
- d T x + y = -e
x, y 0,
(C.14)
B
-dBT
-dDT
-e
1
donde la matriz de base inicial est dada por:
B
B = T
- d B
0
1
(C.15)
96
B -1
0
B -1 = T -1
1
d B B
(C.16)
I
1
B-1D
B-1b
(dBTB-1D-dDT)
dBTB-1b-e
-(dBTB-1D-dDT)
-(dBTB-1b-e)
Igual que en el caso I, se itera hasta obtener la solucin ptima. Si el valor ptimo del
problema (C.13) resulta mayor que cero (y>0), el sistema lineal (C.4) es inconsistente y
lo mismo vale para el sistema completo original (C.1).
Por el contrario, si el valor ptimo es igual a cero (y=0), la solucin ptima
correspondiente provee una solucin bsica factible para el sistema lineal (C.4) segn:
xB = B -1b
(C.17)
xD = 0
donde:
B = B p +1 x
(
) (
p + 1)
NOTA: Este resultado puede ser utilizado para incorporar una a una todas las
restricciones. Por otra parte, la forma revisada de realizar estas actualizaciones es
mediante la actualizacin de las inversas de base descritas ms arriba.
97
'caudales.dat'
DATOS DE CAUDALES AFLUENTES AL SISTEMA HIDROTERMICO
DE PRUEBA CON 4 EMBALSES EN CASCADA.
Todos los valores estn expresados en (mtr3/seg)
EMBALSE1 EMBALSE2 EMBALSE3 EMBALSE4
10.00
12.00
10.00
5.00
7.00
5.00
3.00
9.00
10.00
11.00
8.00
9.00
'demanda.dat'
DATOS DE LA DEMANDA DEL SISTEMA DE PRUEBA CON 4 EMBALSES EN CASCADA
Existen tres periodos mensuales. Los datos que se incluyen son
la demanda expresada en MW y el nmero de horas de cada perodo.
AAAAAAAADDDDDDDDDDTTTTTTTT
PERIODO1
200.00
744
PERIODO2
200.00
744
PERIODO3
200.00
744
98
Archivos de Salida:
'despacho.sal' generado por CORHIDRO utilizando el algortimo Simplex Revisado
con Cotas.
SISTEMA HIDROTERMICO DE PRUEBA CON 4 EMBALSES EN CASCADA
I.
1.0
SISTEMA HIDRAULICO:
DESDE EMBALSE
EMBALSE1
EMBALSE2
EMBALSE3
2.0
HASTA EMBALSE
EMBALSE2
EMBALSE4
EMBALSE4
SISTEMA TERMICO:
MIN GENERACION(MW)
TERMICA($/MW)
.0000
1.0000
COSTO DE FALLA ($/MW):
3.0
MAX GENERACION(MW)
50.0000
10.0000
ETAPA1 :
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
10.0000
12.0000
10.0000
5.0000
COSTO GENE.
99
ETAPA2 :
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
7.0000
5.0000
3.0000
9.0000
ETAPA3 :
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
10.0000
11.0000
8.0000
9.0000
4.0
II.
INTERVALO (hrs)
744
744
744
DEMANDA(MW)
200.0000
200.0000
200.0000
3
2
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
.0000
60.0000
.0000
48.0000
EMBALSE2
66.0000
46.0000
.0000
36.8000
EMBALSE3
60.0000
.0000
.0000
.0000
EMBALSE4
.0000
101.0000
.0000
80.8000
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
165.6000
34.4000
.0000
34.4000
100.0000
100
ETAPA2
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
.0000
7.0000
.0000
5.6000
EMBALSE2
.0000
78.0000
.0000
62.4000
EMBALSE3
55.2500
7.7500
.0000
6.2000
EMBALSE4
.0000
94.7500
.0000
75.8000
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
150.0000
50.0000
.0000
50.0000
50.0000
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
.0000
10.0000
.0000
8.0000
EMBALSE2
.0000
21.0000
.0000
16.8000
EMBALSE3
.0000
63.2500
.0000
50.6000
EMBALSE4
.0000
93.2500
.0000
74.6000
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
150.0000
50.0000
.0000
50.0000
.0000
101
I.
1.0
SISTEMA HIDRAULICO:
DESDE EMBALSE
EMBALSE1
EMBALSE2
EMBALSE3
2.0
HASTA EMBALSE
EMBALSE2
EMBALSE4
EMBALSE4
SISTEMA TERMICO:
MIN GENERACION(MW)
TERMICA($/MW)
.0000
1.0000
COSTO DE FALLA ($/MW):
3.0
MAX GENERACION(MW)
50.0000
10.0000
PERIODO1:
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
10.0000
12.0000
10.0000
5.0000
COSTO GENE.
102
PERIODO2:
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
7.0000
5.0000
3.0000
9.0000
PERIODO3:
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
10.0000
11.0000
8.0000
9.0000
4.0
II.
INTERVALO (hrs)
744
744
744
DEMANDA(MW)
200.0000
200.0000
200.0000
3
2
PERIODO1:
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
36.6582
23.3418
.0000
18.6734
EMBALSE2
36.2459
39.0958
.0000
31.2767
EMBALSE3
20.9042
39.0958
.0000
31.2767
EMBALSE4
27.7249
105.4667
.0000
84.3734
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
165.6001
34.3999
.0000
34.3999
99.9991
103
PERIODO2:
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
10.3278
33.3302
.0000
26.6642
EMBALSE2
39.7583
34.8179
.0000
27.8543
EMBALSE3
.0000
23.9040
.0000
19.1232
EMBALSE4
.0000
95.4469
.0000
76.3575
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
149.9992
50.0000
.0008
50.0080
50.0000
PERIODO3:
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
.0000
20.3280
.0000
16.2624
EMBALSE2
.0000
71.0860
.0000
56.8688
EMBALSE3
.0000
8.0000
.0000
6.4000
EMBALSE4
.0000
88.0860
.0000
70.4688
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
150.0000
50.0000
.0000
50.0000
.0000
104
1.0
SISTEMA HIDRAULICO:
DESDE EMBALSE
EMBALSE1
EMBALSE2
EMBALSE3
2.0
HASTA EMBALSE
EMBALSE2
EMBALSE4
EMBALSE4
SISTEMA TERMICO:
MIN GENERACION(MW)
TERMICA($/MW)
.0000
1.0000
MAX GENERACION(MW)
50.0000
PERIODO1:
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
10.0000
12.0000
10.0000
5.0000
10.0000
COSTO GENE.
105
PERIODO2:
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
7.0000
5.0000
3.0000
9.0000
PERIODO3:
EMBALSE1
EMBALSE2
EMBALSE3
EMBALSE4
(m3/seg)
10.0000
11.0000
8.0000
9.0000
4.0
II.
INTERVALO (hrs)
744
744
744
DEMANDA(MW)
200.0000
200.0000
200.0000
3
2
PERIODO1:
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
44.0001
15.9999
.0000
12.8000
EMBALSE2
.0000
67.9999
.0000
54.4000
EMBALSE3
60.0000
.0000
.0000
0.0000
EMBALSE4
.0000
122.9999
.0000
98.3998
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
165.5998
34.4002
.0000
34.4002
99.9998
106
PERIODO2:
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
.0000
51.0000
.0000
40.8000
EMBALSE2
.0000
56.0000
.0000
44.8000
EMBALSE3
55.2501
7.7499
.0000
6.1999
EMBALSE4
.0000
72.7499
.0000
58.1999
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
149.9998
50.0000
.0002
50.0021
49.9998
PERIODO3:
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
EMBALSE1
.0000
10.0000
.0000
8.0000
EMBALSE2
.0000
21.0000
.0000
16.8000
EMBALSE3
.0000
63.2501
.0000
50.6001
EMBALSE4
.0000
93.2501
.0000
74.6001
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
150.0002
49.9998
.0000
49.9998
.0000
107
'caudales.dat'
DATOS DE CAUDALES AFLUENTES AL SISTEMA DE LA CUENCA DEL MAULE
Este conjunto de afluencias corresponde al escenario de afluencia
MEDIA. Todos los valores estn expresados en (mtr3/seg)
CIPRESES ISLA
PEHUENCH COLBUN
MACHICUR
40.00
41.00
165.00
190.00
15.00
28.00
33.00
143.00
160.00
10.00
35.00
46.00
150.00
175.00
12.00
'demanda.dat'
DATOS DE LA DEMANDA DEL SISTEMA DE LA CUENCA DEL MAULE
Existen tres periodos mensuales, los datos que se incluyen son
la demanda expresada en MW y el nmero de horas de cada perodo.
AAAAAAAADDDDDDDDDDTTTTTTTT
ETAPA1
1100.00
744
ETAPA2
1100.00
744
ETAPA3
1100.00
744
108
Archivos de Salida:
'despacho.sal' generado por CORHIDRO utilizando el algortimo Simplex Revisado
con Cotas.
SISTEMA HIDROTERMICO DE LA CUENCA DEL MAULE
I.
1.0
SISTEMA HIDRAULICO:
DESDE EMBALSE
CIPRESES
ISLA
ISLA
COLBUN
2.0
HASTA EMBALSE
ISLA
PEHUENCH
COLBUN
MACHICUR
SISTEMA TERMICO:
MIN GENERACION(MW)
TERMICA($/MW)
20.0000
COSTO DE FALLA ($/MW):
3.0
MAX GENERACION(MW)
150.0000
10.0000
ETAPA1 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
40.0000
41.0000
165.0000
190.0000
15.0000
COSTO GENE.
1.0000
109
ETAPA2 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
28.0000
33.0000
143.0000
160.0000
10.0000
ETAPA3 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
35.0000
46.0000
150.0000
175.0000
12.0000
4.0
II.
INTERVALO (hrs)
744
744
744
DEMANDA(MW)
1100.0000
1100.0000
1100.0000
4
3
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
8.6236
34.7184
.0000
96.7184
ISLA
.0000
75.7184
.0000
61.2940
PEHUENCH
.0000
278.9184
.0000
464.8454
COLBUN
29.5514
257.0000
.0000
367.1502
MACHICUR
.0000
280.0000
.0000
89.9920
GENERACION HIDRAULICA (MW):
1080.0000
GENERACION TERMICA (MW)
:
20.0000
FALLA (MW)
:
.0000
COSTO GENERACION TERMICA MAS FALLA($):
20.0000
COSTO FUTURO ESPERADO($)
:
230.5709
110
ETAPA2
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
1.4000
35.2236
.0000
98.1260
ISLA
.0000
68.2236
.0000
55.2270
PEHUENCH
5.8194
205.4043
.0000
342.3267
COLBUN
.0000
257.7750
.0000
368.2574
MACHICUR
.0000
267.7750
.0000
86.0629
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
950.0000
150.0000
.0000
150.0000
80.5709
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
.0000
36.4000
.0000
101.4031
ISLA
.0000
82.4000
.0000
66.7028
PEHUENCH
.0000
238.2194
.0000
397.0164
COLBUN
.0000
257.4000
.0000
367.7216
MACHICUR
.0000
269.4000
.0000
86.5852
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
1019.4291
80.5709
.0000
80.5709
.0000
111
1.0
SISTEMA HIDRAULICO:
DESDE EMBALSE
CIPRESES
ISLA
ISLA
COLBUN
2.0
HASTA EMBALSE
ISLA
PEHUENCH
COLBUN
MACHICUR
SISTEMA TERMICO:
MIN GENERACION(MW)
TERMICA($/MW)
20.0000
COSTO DE FALLA ($/MW):
3.0
MAX GENERACION(MW)
150.0000
10.0000
ETAPA1 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
40.0000
41.0000
165.0000
190.0000
15.0000
COSTO GENE.
1.0000
112
ETAPA2 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
28.0000
33.0000
143.0000
160.0000
10.0000
ETAPA3 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
35.0000
46.0000
150.0000
175.0000
12.0000
4.0
II.
INTERVALO (hrs)
744
744
744
DEMANDA(MW)
1100.0000
1100.0000
1100.0000
3
2
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
6.9420
36.4000
.0000
101.4031
ISLA
.0000
77.4000
.0000
62.6553
PEHUENCH
25.1137
255.4863
.0000
425.7934
COLBUN
8.2330
280.0000
.0000
400.0080
MACHICUR
23.0000
280.0000
.0000
89.9920
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
1079.8518
20.0000
.0000
20.0000
230.1654
113
ETAPA2
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
.0000
34.9420
.0000
97.3414
ISLA
.0000
67.9420
.0000
54.9990
PEHUENCH
11.8692
224.1868
.0000
373.6296
COLBUN
.0000
236.1750
.0000
337.3996
MACHICUR
.0000
269.1750
.0000
86.5128
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
949.8826
150.0000
.0000
150.0000
80.1650
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
.0000
35.0000
.0000
97.5030
ISLA
.0000
81.0000
.0000
65.5695
PEHUENCH
.0000
242.8690
.0000
404.7655
COLBUN
.0000
256.0000
.0000
365.7216
MACHICUR
.0000
268.0000
.0000
86.1352
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
1019.6948
80.1654
.0000
80.1654
.0000
114
1.0
SISTEMA HIDRAULICO:
DESDE EMBALSE
CIPRESES
ISLA
ISLA
COLBUN
2.0
HASTA EMBALSE
ISLA
PEHUENCH
COLBUN
MACHICUR
SISTEMA TERMICO:
MIN GENERACION(MW)
TERMICA($/MW)
20.0000
COSTO DE FALLA ($/MW):
3.0
MAX GENERACION(MW)
150.0000
10.0000
ETAPA1 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
40.0000
41.0000
165.0000
190.0000
15.0000
COSTO GENE.
1.0000
115
ETAPA2 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
28.0000
33.0000
143.0000
160.0000
10.0000
ETAPA3 :
CIPRESES
ISLA
PEHUENCH
COLBUN
MACHICUR
(m3/seg)
35.0000
46.0000
150.0000
175.0000
12.0000
4.0
II.
INTERVALO (hrs)
744
744
744
DEMANDA(MW)
1100.0000
1100.0000
1100.0000
4
3
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
6.9420
36.4000
.0000
101.4031
ISLA
.0000
77.4000
.0000
62.6553
PEHUENCH
.0000
280.6000
.0000
467.6450
COLBUN
54.0580
234.1750
.0000
334.5424
MACHICUR
.0000
257.1749
.0000
82.6560
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
1048.9048
51.0952
.0000
51.0952
199.4756
116
ETAPA2
1.0
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
0.0000
34.9420
.0000
97.3414
ISLA
.0000
67.9420
.0000
54.9990
PEHUENCH
0.0000
210.9420
.0000
351.5559
COLBUN
12.0000
270.0000
.0000
385.7220
MACHICUR
.0000
280.0000
.0000
89.9920
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
979.6104
120.3896
.0000
120.3896
79.0861
GENERACION HIDRAULICA:
EMBALSE
VOL. ALMACENADO(m3/seg)
VOL. TURBINADO(m3/seg)
VOL. DERRAMADO(m3/seg)
POTENCIA GENERADA(MW)
CIPRESES
.0000
35.0000
.0000
97.5030
ISLA
.0000
81.0000
.0000
65.5695
PEHUENCH
.0000
231.0000
.0000
384.9846
COLBUN
.0000
268.0000
.0000
382.8648
MACHICUR
.0000
280.0000
.0000
89.9920
GENERACION HIDRAULICA (MW):
GENERACION TERMICA (MW)
:
FALLA (MW)
:
1020.9139
79.0861
.0000
79.0861
.0000
117
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
2
.000000
3
.000000
4
.000000
5
.000000
6
28.342000
1
---->
1
20.000000
20.000000
.000000
20.000000
20.000000
---->
2
967.026610
118
7
61.342000
8
204.342000
9
221.342000
10
257.675000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
150.000000
17
81.702661
18
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
2
.000000
3
.000000
4
.000000
5
.000000
6
35.000000
7
81.000000
8
231.000000
9
256.000000
10
268.000000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
99.951000
17
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
COTA SUPERIOR
RECURSION BACKWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
967.026610
.000000
967.026610
---->
3
99.951000
99.951000
.000000
99.951000
1086.977610
<---3
99.951000
119
2
.000000
3
.000000
4
.000000
5
.000000
6
35.000000
7
81.000000
8
231.000000
9
256.000000
10
268.000000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
99.951000
17
.000000
VARIABLES DUALES (pi):
1
-7.013000
2
-4.227000
3
-1.667000
4
-1.750000
5
-.321000
6
1.000000
COSTO ACTUAL
=
99.951000
COSTO FUTURO
=
.000000
COSTO TOTAL
=
99.951000
RECURSION BACKWARD
<----
ETAPA
=
2
FUNCION OBJETIVO =
1066.977610
VARIABLES:
1
.000000
2
.000000
3
.000000
4
.000000
5
.000000
6
28.342000
7
61.342000
8
204.342000
9
221.342000
10
257.675000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
150.000000
17
81.702661
18
99.951000
120
19
.000000
VARIABLES DUALES (pi):
1
-70.130000
2
-42.270000
3
-16.670000
4
-17.500000
5
-3.210000
6
10.000000
7
1.000000
COSTO ACTUAL
=
967.026610
COSTO FUTURO
=
99.951000
COSTO TOTAL
=
1066.977610
ITERACION BENDERS=
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
6.942000
2
.000000
3
28.238815
4
8.233000
5
23.000000
6
36.400000
7
77.400000
8
252.361185
9
280.000000
10
280.000000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
25.209504
17
.000000
18
.000000
19
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
COTA INFERIOR
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
2
---->
1
25.209504
25.209504
.000000
25.209504
25.209504
---->
2
224.955591
121
1
.000000
2
.000000
3
14.994247
4
.000000
5
.000000
6
34.942000
7
67.942000
8
224.186753
9
236.175000
10
269.175000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
150.000000
17
.000000
18
74.955591
19
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
RECURSION FORWARD
150.000000
74.955591
224.955591
---->
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
2
.000000
3
.000000
4
.000000
5
.000000
6
35.000000
7
81.000000
8
245.994000
9
256.000000
10
268.000000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
74.956002
17
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
3
74.956002
COTA SUPERIOR
250.165506
74.956002
.000000
74.956002
122
RECURSION BACKWARD
<----
ETAPA
=
3
FUNCION OBJETIVO =
74.956002
VARIABLES:
1
.000000
2
.000000
3
.000000
4
.000000
5
.000000
6
35.000000
7
81.000000
8
245.994000
9
256.000000
10
268.000000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
74.956002
17
.000000
VARIABLES DUALES (pi):
1
-7.013000
2
-4.227000
3
-1.667000
4
-1.750000
5
-.321000
6
1.000000
COSTO ACTUAL
=
74.956002
COSTO FUTURO
=
.000000
COSTO TOTAL
=
74.956002
RECURSION BACKWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
2
.000000
3
14.994247
4
.000000
5
.000000
6
34.942000
7
67.942000
8
224.186753
9
236.175000
10
269.175000
11
.000000
12
.000000
<---2
224.955591
123
13
.000000
14
.000000
15
.000000
16
150.000000
17
.000000
18
74.955591
19
.000000
20
.000000
VARIABLES DUALES (pi):
1
-7.013000
2
-4.227000
3
-1.667000
4
-1.750000
5
-.321000
6
1.000000
7
1.000000
8
.000000
COSTO ACTUAL
=
150.000000
COSTO FUTURO
=
74.955591
COSTO TOTAL
=
224.955591
ITERACION BENDERS=
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
6.942000
2
.000000
3
25.113737
4
8.233000
5
23.000000
6
36.400000
7
77.400000
8
255.486263
9
280.000000
10
280.000000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
20.000000
17
.000000
18
230.165404
19
178.070364
20
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
3
---->
1
250.165404
20.000000
230.165404
124
COSTO TOTAL
250.165404
COTA INFERIOR
250.165404
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
2
.000000
3
11.869247
4
.000000
5
.000000
6
34.942000
7
67.942000
8
224.186753
9
236.175000
10
269.175000
11
.000000
12
.000000
13
.000000
14
.000000
15
.000000
16
150.000000
17
.000000
18
80.164966
19
.000000
20
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
RECURSION FORWARD
ETAPA
=
FUNCION OBJETIVO =
VARIABLES:
1
.000000
2
.000000
3
.000000
4
.000000
5
.000000
6
35.000000
7
81.000000
8
242.869000
9
256.000000
10
268.000000
11
.000000
12
.000000
---->
2
230.164966
150.000000
80.164966
230.164966
---->
3
80.165377
125
13
.000000
14
.000000
15
.000000
16
80.165377
17
.000000
COSTO ACTUAL
=
COSTO FUTURO
=
COSTO TOTAL
=
COTA SUPERIOR
80.165377
.000000
80.165377
250.165377