Professional Documents
Culture Documents
GUIA
Índice ii
Palabras Preliminares iii
1 Introducción 1
2 Programación No Lineal 1
2.1 Ejemplo 1, Problema de Programación no Lineal [4] 3
2.1.1 Interpretación de los Resultados 7
2.2 Ejemplo 2, Programación No Lineal: Coordinación Hidrotérmica [4] 8
2.2.1 El modelo de optimización 9
2.2.2 Modelo de Optimización Implementado en MATLAB 11
3 Programación lineal 16
3.1 Ejemplo 3 Problema de Programación Lineal 17
3.2 Interpretación de los Resultados 19
Referencias Bibliográficas 19
ii
Palabras Preliminares
En ésta guía, se presenta, el empleo del tool box de optimización del Matlab® en la
resolución de problemas de optimización en la operación económica de sistemas eléctricos
de potencia. Contiene soluciones completas a ejemplos típicos de la asignatura Operación
Económica y Planificación de Sistemas de Potencia.
Armengol Blanco
Febrero, 2008
iii
GUIA
OPTIMIZACIÓN CON MATLAB®
Armengol Blanco
1 Introducción
L
a optimización, es una herramienta matemática poderosa que emplea el enfoque
científico para la asignación de recursos económicos y materiales para el logro de un
determinado objetivo al resolver problemas prácticos y reales. El tool box de
optimización de Matlab®, es una herramienta computacional interesante para resolver
problemas de optimización lineal y no-lineal.
2 Programación No Lineal
min f ( x ) (1)
s. a :
g(x) = 0 (2)
h(x) ≤ 0 (3)
donde:
1
Las funciones f(), g() y h() pueden ser funciones lineales y/ó no lineales. Las restricciones de
igualdad y de desigualdad pueden ser lineales y/o no lineales, entonces, el modelo se puede
explicitar con mayor detalle, por ejemplo para trabajar con Matlab [1], se utiliza la formulación
siguiente:
min f ( x ) (4)
s. a :
C eq (x) = 0 (5)
A eq ⋅ x = b eq (6)
C(x) ≤ 0 (7)
A⋅x≤b (8)
L≤x≤U (9)
donde:
fmincon
Sintaxis
x = fmincon(fun,x0,A,b)
x = fmincon(fun,x0,A,b,Aeq,beq)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
2
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)
x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2, ...)
[x,fval] = fmincon(...)
[x,fval,exitflag] = fmincon(...)
[x,fval,exitflag,output] = fmincon(...)
[x,fval,exitflag,output,lambda] = fmincon(...)
[x,fval,exitflag,output,lambda,grad] = fmincon(...)
[x,fval,exitflag,output,lambda,grad,hessian] = fmincon(...)
Descripción [1]
Argumentos
fun es un archivo de texto ASCII, con la extensión m, que contiene la función objetivo a
minimizar.
x0 punto inicial para la búsqueda de la solución.
A, b, Aeq, beq, lb, ub, definidas en el problema de optimización, corresponden a las
restricciones lineales.
nonlcon archivo extensión m que contiene las restricciones no lineales.
options opciones de los parámetros de optimización.
P1, P2, … parámetros de fun y nonlcon
Salidas
x vector solución
fval valor de la función objetivo
exitflag condición de terminación de fmincon
output estructura de la salida
lambda multiplicadores de Lagrange
grad gradiente de la función fun evaluada en el punto solución
hessian valor de la Hessiana
Las variables de los argumentos y salidas pueden tomar nombres cualesquiera, solamente
es necesario respetar el lugar de su ubicación.
3
Función de Costo de Generación Pmin Pmax
$
h [MW ] [MW ]
F1 = 800 + 10.1 ⋅ P1 + 0.06 ⋅ P12 + 0.006 ⋅ P13 35 100
F2 = 350 + 6.0 ⋅ P2 + 0.07 ⋅ P22 + 0.006 ⋅ P23 45 125
F3 = 350 + 7.1 ⋅ P3 + 0.06 ⋅ P32 + 0.007 ⋅ P33 50 200
Ésta expresión significa que las unidades 1 y 2, son responsable de las pérdidas solamente.
La unidad 2 más que la 1.
La demanda:
PD = 200 MW
N
Min FT = ∑ Fi ( P i )
i =1
s. a :
N
G = P D + P perd - ∑ P i = 0
i =1
min max
Pi ≤ P i ≤ Pi
N
FT = ∑ Fi (Pi ) = 2300 + 10.1 ⋅ P1 + 0.06 ⋅ P12 + 0.006 ⋅ P13
i =1
+ 6.0 ⋅ P2 + 0.07 ⋅ P22 + 0.006 ⋅ P23 + 7.1 ⋅ P3 + 0.06 ⋅ P32 + 0.007 ⋅ P33 +
4
La restricción de igualdad:
N
G = P D + P perd - ∑ P i = 0
i =1
P min ≤ P i ≤ P max
i i
35 ≤ P1 ≤ 100
45 ≤ P 2 ≤ 125
50 ≤ P3 ≤ 200
47 ≤ P 4 ≤ 200
funobj.m
function f=funobj(p)
F1=800+10.1*p(1)+0.06*p(1)^2+0.006*p(1)^3;
F2=350+6.0*p(2)+0.07*p(2)^2+0.006*p(2)^3;
F3=350+7.1*p(3)+0.06*p(3)^2+0.007*p(3)^3;
F4=800+7.2*p(4)+0.07*p(4)^2+0.006*p(4)^3;
f=F1+F2+F3+F4;
restricnl.m
function [c,ceq]=restricnl(p)
5
solucion.m
% Programa para resolver los problemas del 1er parcial de ELT3811 1/2003
p0=[40 50 55 55]'; % Punto de partida
A=[]; b=[]; Aeq=[]; beq=[]; % Matrices y vectores de las restricciones lineales: Vacio
lb=[35 45 50 47]'; % Límite inferior de generación
ub=[100 125 200 200]'; % Límite superior de generación
[p,fval,exitflag,output,lambda]=fmincon('funobj',p0,A,b,Aeq,beq,lb,ub, 'restricnl')
» solucion
Warning: Trust region method does not currently solve this type of problem,
switching to line search.
> In C:\MATLABR11\toolbox\optim\fmincon.m at line 190
In C:\MATLABR11\work\solu1.m at line 9
Optimization terminated successfully:
Magnitude of directional derivative in search direction
less than 2*options.TolFun and maximum constraint violation
is less than options.TolCon
Active Constraints:
1
4
p=
49.2078
50.7749
50.0000
50.4431
fval =
7.6191e+003
exitflag =
output =
iterations: 7
funcCount: 43
stepsize: 1
algorithm: 'medium-scale: SQP, Quasi-Newton, line-search'
firstorderopt: []
6
cgiterations: []
lambda =
Las primeras líneas indican que el método empleado no es el más adecuado para este
problema, pero la optimización fue exitosa.
P1 = 49.2078
P2 = 50.7749
P3 = 50.0000
P4 = 50.4431
FT = 7619.1 $/h
' dF ( P )
Los costos marginales de las unidades Fi = i i , son:
dPi
7
F1' = 59.5902
F2' = 59.5142
F3' = 65.6000
F4' = 60.0631
La unidad 3, está saturada en su límite mínimo, y es la unidad más cara, pero debe operar
por estar programada –seguramente para tener un margen de reserva en giro u otra
consideración, está situación fue definida en el predespacho-. Las unidades 1 y 2 de acuerdo
a sus costos marginales se puede decir que son las más económicas, pero como son
responsables de las pérdidas del sistema están penalizadas y sus factores de penalización
son:
1
PFi =
∂Pperd
1−
∂Pi
1
PF1 = = 1.0079
1 − 0.00016P1
1
PF2 = = 1.0092
1 − 0.00016P2
PF3 = 1
PF4 = 1
La unidad marginal, es la unidad 4, cuyo costo marginal es igual al costo marginal del
sistema.
funciones de costo.
Pmin Pmax
F1 = 300 + 4.8PS1 + 0.006P 2 + 0.0006P 3 45 150
S1 S1
F2 = 400 + 7.8PS2 + 0.007 P + 0.0006P 3
2 50 180
S2 S2
F3 = 350 + 6.9PS3 + 0.009P 2 35 200
S3
8
Volumen de gasto [Acre-ft]
J max n
La función objetivo, es: MinZ = ∑ ∑ n k F(Psk )
k =1 s =1
Para n=1, 2, 3
9
donde:
Sujeto a:
m n
Ck = ∑ PSk + ∑ PHk − Pperdk − PDk = 0
S =1 H =1
C1 = PS11 + PS12 + PS13 + PH11 + PH12 + PH13 + PH14 + PH15 − Pperd1 − PD1 = 0
C 2 = PS21 + PS22 + PS23 + PH 21 + PH 22 + PH 23 + PH 24 + PH 25 − Pperd 2 − PD2 = 0
C 3 = PS31 + PS32 + PS33 + PH31 + PH32 + PH33 + PH34 + PH35 − Pperd3 − PD3 = 0
P PD j
Ph1 j
PS j
nj
PS1 j
1 2 j jmax
10
Restricción de disponibilidad de agua.
J max
Wk = ∑ n k ·q Hk = Vk
k =1
W1 = n1 ·q11 + n 2 ·q12 + n 3 ·q13 = V1
W2 = n1 ·q 21 + n 2 ·q 22 + n 3 ·q 23 = V2
W3 = n1 ·q 31 + n 2 ·q 32 + n 3 ·q 33 = V3
W4 = n1 ·q 41 + n 2 ·q 42 + n 3 ·q 43 = V4
W5 = n1 ·q 51 + n 2 ·q 52 + n 3 ·q 53 = V5
P min ≤ PSk ≤ P max
Sk Sk
P min ≤ PHk ≤ P max
Hk Hk
donde
q 21 = 300 + 7.1PH 21
q 22 = 300 + 7.1PH 22
q 23 = 300 + 7.1PH 23
q 31 = 250 + 7.2PH31
q 32 = 250 + 7.2PH32
q 33 = 250 + 7.2PH33
q 41 = 300 + 8.2PH 41
q 42 = 300 + 8.2PH 42
q 43 = 300 + 8.2PH 43
q 51 = 400 + 10PH51
q 52 = 400 + 10PH52
q 53 = 400 + 10PH53
11
En los parágrafos siguientes, se lista estos archivos.
funobj.m
n1=6;
n2=6;
n3=12;
% primer intervalo
F11=300+4.8*p(1)+0.006*p(1)^2+0.00006*p(1)^3;
F21=400+7.8*p(2)+0.007*p(2)^2+0.00007*p(2)^3;
F31=350+6.9*p(3)+0.009*p(3)^2;
% segundo intervalo
F12=300+4.8*p(4)+0.006*p(4)^2+0.00006*p(4)^3;
F22=400+7.8*p(5)+0.007*p(5)^2+0.00007*p(5)^3;
F32=350+6.9*p(6)+0.009*p(6)^2;
% tercer intervalo
F13=300+4.8*p(7)+0.006*p(7)^2+0.00006*p(7)^3;
F23=400+7.8*p(8)+0.007*p(8)^2+0.00007*p(8)^3;
F33=350+6.9*p(9)+0.009*p(9)^2;
restricc.m
function [c,ceq]=restricc(p)
c=[];
% Periodos
n1=6;
n2=6;
n3=12;
%Volúmenes de descarga.
v1=37000;
v2=25000;
v3=35000;
v4=20000;
v5=15000;
%Unidades hidraulicas.
q11=240+6.1*p(10);
12
q21=300+7.1*p(11);
q31=250+7.2*p(12);
q41=300+8.2*p(13);
q51=400+10*p(14);
q12=240+6.1*p(15);
q22=300+7.1*p(16);
q32=250+7.2*p(17);
q42=300+8.2*p(18);
q52=400+10*p(19);
q13=240+6.1*p(20);
q23=300+7.1*p(21);
q33=250+7.2*p(22);
q43=300+8.2*p(23);
q53=400+10*p(24);
% Carga
Pd1=1000;
Pd2=1600;
Pd3=700;
% Perdidas
Pperd1=0.00007*p(10)^2+0.00008*p(12)^2+0.00009*p(1)^2+0.00007*p(2)^2;
Pperd2=0.00007*p(12)^2+0.00008*p(17)^2+0.00009*p(4)^2+0.00007*p(5)^2;
Pperd3=0.00007*p(20)^2+0.00008*p(22)^2+0.00009*p(7)^2+0.00007*p(8)^2;
% Restriccion de igualdad
ceq=[p(1)+p(2)+p(3)+p(10)+p(11)+p(12)+p(13)+p(14)-Pperd1-Pd1
p(4)+p(5)+p(6)+p(15)+p(16)+p(17)+p(18)+p(19)-Pperd2-Pd2
p(7)+p(8)+p(9)+p(20)+p(21)+p(22)+p(23)+p(24)-Pperd3-Pd3
n1*q11+n2*q12+n3*q13-v1
n1*q21+n2*q22+n3*q23-v2
n1*q31+n2*q32+n3*q33-v3
n1*q41+n2*q42+n3*q43-v4
n1*q51+n2*q52+n3*q53-v5];
solucion.m
% archivo solución
A=[];
b=[];
Aeq=[];
beq=[];
p0=[100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;100;1
00;100;100;100];
lb=[45;50;35;0;0;0;0;0;45;50;35;0;0;0;0;0;45;50;35;0;0;0;0;0];
13
ub=[150;180;200;300;450;600;700;800;150;180;200;300;450;600;700;800;150;180;200;300;4
50;600;700;800];
[p,fval,exitflag,output,lambda]=fmincon('funobj',p0,A,b,Aeq,beq,lb,ub,'restricc')
>> solguia
Warning: Large-scale (trust region) method does not currently solve this type of problem,
using medium-scale (line search) instead.
> In fmincon at 317
In solguia at 10
Optimization terminated: magnitude of directional derivative in search
direction less than 2*options.TolFun and maximum constraint violation
is less than options.TolCon.
Active inequalities (to within options.TolCon = 1e-006):
lower upper ineqlin ineqnonlin
1
3
9
15
17
p=
Ps11 = 150.0000
Ps21 = 95.1933
Ps31 = 200.0000
Ps12 = 153.3929
Ps22 = 95.1942
Ps32 = 238.0430
Ps13 = 153.3924
Ps23 = 95.1938
Ps33 = 150.0000
Ph11 = 51.1815
Ph21 = 180.3394
Ph31 = 109.7460
Ph41 = 168.7391
Ph51 = 48.6068
Ph12 = 700.0000
Ph22 = 172.8211
Ph32 = 150.0000
Ph42 = 60.8773
Ph52 = 35.0666
Ph13 = 51.1852
Ph23 = 32.3400
Ph33 = 205.7751
Ph43 = 15.2731
Ph43 = 3.1633
fval =
14
1.1023e+005
exitflag =
output =
iterations: 45
funcCount: 1150
lssteplength: 1
stepsize: 0.0287
algorithm: 'medium-scale: SQP, Quasi-Newton, line-search'
firstorderopt: 2.1709e-004
message: [1x172 char]
lambda =
>> lambda.eqnonlin
ans =
-67.1086
-67.1087
-134.2173
1.8204
1.5753
1.5023
1.3640
1.1185
De donde:
λ1 = -67.1086
λ2 = -67.1087
λ3 = -134.2173
γ1 = 1.8204
15
γ2 = 1.5753
γ3 = 1.5023
γ4 = 1.3640
γ5 = 1.1185
3 Programación lineal
linprog
x = linprog(f,A,b,Aeq,beq)
x = linprog(f,A,b,Aeq,beq,lb,ub)
x = linprog(f,A,b,Aeq,beq,lb,ub,x0)
x = linprog(f,A,b,Aeq,beq,lb,ub,x0,options)
[x,fval] = linprog(...)
[x,fval,exitflag] = linprog(...)
[x,fval,exitflag,output] = linprog(...)
[x,fval,exitflag,output,lambda] = linprog(...)
Descripción [1]
Argumentos
Salidas
x vector solución
fval valor de la función objetivo
exitflag condición de terminación de fmincon
output estructura de la salida
16
lambda multiplicadores de Lagrange
Se renombran las variables, XE; XI, por X1; X2, el modelo se implementó en un archivo
extensión m, prolineal.m, que se lista en el parágrafo siguiente:
prolineal.m
[x,fval,exitflag,output,lambda] = linprog(f,A,b,Aeq,beq,lb,ub)
» prolineal
f=
-3
-2
A=
1 2
17
2 1
-1 1
b=
6
8
1
lb =
0
0
ub =
100
2
x=
3.3333
1.3333
fval =
-12.6667
exitflag =
output =
iterations: 7
cgiterations: 0
algorithm: 'lipsol'
lambda =
» lambda.ineqlin
ans =
18
0.3333
1.3333
0.0000
La optimización fue exitosa, se utilizó la rutina ‘lipsol’; algoritmo para optimización de gran
escala. Fueron necesarias siete iteraciones.
XE = 3.3333
XI = 1.3333
fval = -12.6667
El problema original, fue de maximizar, por tanto, el valor de la función objetivo es:
Z = 12.6667
µ1 = 0.3333
µ2 = 1.3333
µ3 = 0.0000
Las dos primeras restricciones, están activas y el tercer multiplicador indica que la tercera
restricción está inactiva.
Referencias Bibliográficas
[1] Thomas Coleman, et al., Optimization Toolbox For Use with Matlab®. User’s Guide,
Version 2, January, 1999.
[2] Software, Matlab®. Versión 7.4.0.287, 2007.
[3] F.S. Hillier, G. J. Lieberman, Una Introducción a la Investigación de Operaciones. Mc
Graw-Hill, 3a Edición, México, 1991.
[4] A. Blanco, Operación Económica y Planificación de Sistemas Eléctricos de
Potencia. Apuntes de la asignatura, 2003.
19