/materiały na prawach rękopisu/

ĆWICZENIE 8

Optymalizacja ustalonych stanów pracy SEE –

ekonomiczny rozdział obciążeń

1. Wstęp

Zapotrzebowanie na moc w systemie elektroenergetycznym jest pokrywane przez

współpracujące ze sobą elektrownie w różnych zestawach jednostek i przy różnych układach
sieci. O tym jaka część zapotrzebowania jest pokrywana przez poszczególne zespoły decydują
obliczenia optymalizacyjne, które dotyczą zarówno sterowania jak i planowania pracy
systemu elektroenergetycznego.
Przedmiotem optymalizacji jest koszt wytwarzania i przesyłu energii elektrycznej.
Funkcją celu jest natomiast koszt paliwa zużytego w elektrowniach w okresie optymalizacji.
Dla sterowania okresem optymalizacji jest godzina, natomiast przy planowaniu może to być
miesiąc, rok itd.
Ze względu na wymiar zadania , liczbę równań i nierówności, zadanie optymalizacji
najczęściej dekomponuje się na zadania cząstkowe, mniejsze - często nie uwzględniające
powiązań między poszczególnymi rozwiązaniami.
Optymalizacja stanów ustalonych systemu elektroenergetycznego nazywa się
ekonomicznym rozdziałem obciążeń (ERO). Polega ona na tym, że dla zadanej konfiguracji i
zadanych obciążeń w węzłach odbiorczych wyznacza się taki stan elektryczny sieci, aby
koszty wytwarzania i koszty przesyłu były najmniejsze przy zachowaniu ograniczeń
technicznych.
W poprzednich latach ze względu na brak komputerów pełne zagadnienie optymalizacji
było trudne do rozwiązania i z tego powodu zostało podzielone na trzy mniejsze części
stanowiące jednocześnie etapy obliczeniowe:
· ERO-P czyli rozdział mocy czynnych według minimalizacji kosztów wytwarzania
- był i do dzisiaj jest wykonywany metodą przyrostów względnych,
· ERO-Q czyli dobór napięć w węzłach generatorowych wg minimalizacji strat
przesyłowych - w praktyce polega na przyjmowaniu napięć w tych węzłach na
poziomie ich górnych wartości,
· obliczenie napięć we wszystkich węzłach sieci i wyznaczenie przepływów
gałęziowych.

2. Podstawy matematyczne

Ogólnie rzecz biorąc rozwiązanie zagadnienia ekonomicznego rozdziału obciążeń

sprowadza się do poszukiwania minimum funkcji wielu zmiennych, która określa koszty
generacji w zależności od mocy wydawanej przez pracujące w systemie generatory.
Zakładamy przy tym, że zestaw jednostek został wybrany arbitralnie tzn. zadanie nasze nie
obejmuje problemów takiego wyboru.
 -2-

Poszczególne bloki energetyczne opisane są charakterystykami godzinowych kosztów

wytwarzania (rys. a). Styczna do tej krzywej wyznacza w każdym punkcie tzw. względny
przyrost kosztów paliwa (zł/MWh). Charakterystyka względnych przyrostów kosztów
przedstawiona jest na rys. b. Charakterystyki kosztów najczęściej aproksymowane są
funkcjami kwadratowymi w postaci:
K i ( Pi )  a i  bi  Pi  c i  Pi 2
przy czym indeks i oznacza numer jednostki w systemie.
Całkowity koszt wytwarzania mocy w systemie (funkcja kosztów) jest w takim
przypadku równy sumie kosztów poszczególnych źródeł:
n
K ( Pi )   K i ( Pi ) (1)
i 1

Jak wiadomo podstawowym warunkiem stabilnej pracy systemu elektroenergetycznego

jest równość mocy czynnej podbieranej PL przez odbiory i generowanej w elektrowniach SPi
w każdej chwili czasu. Na poszukiwane minimum kosztów wytwarzania musimy więc
nałożyć warunek bilansu mocy w systemie:
n
g( Pi )   Pi  PL  0 (2)
i 1

Powyższe zadanie jest typowym problemem minimalizacji nieliniowej funkcji celu z

ograniczeniami równościowymi. Matematyka dysponuje aparatem pozwalającym
rozwiązywać takie zadania - jest to tzw. metoda mnożników Lagrange’a.
Należy mianowicie utworzyć funkcję Lagrange’a jako kombinację liniową funkcji kosztów i
warunku ograniczającego:
n
L( P,  )  K ( Pi )    g( Pi )  K ( Pi )    (  Pi  PL ) (3)
i 1

gdzie l - mnożnik Lagrange’a, który w tym przypadku jest skalarem bo występuje tylko
jedno ograniczenie równościowe.
Warunkiem koniecznym istnienia minimum funkcji kosztów jest aby wszystkie
pochodne funkcji Lagrange’a były równe zeru:
L L( Pi ,  )
  0 dla i = 1,2.... n,
Pi Pi
(4)
L L( Pi ,  )
 0
 
 -3-

Warunkiem wystarczającym minimum jest dodatnia określoność macierzy drugich

pochodnych (formy kwadratowej). Warunek ten spełniony jest a priori dla kwadratowej,
wypukłej funkcji kosztów lub ogólnie gdy wyrazy diagonalne macierzy drugich pochodnych
nie są ujemne (nie mogą być wszystkie zerowe).
d 2Ki
 0 dla i = 1,2...n (5)
dPi 2
Korzystając z powyższych warunków tworzy się układ równań liniowych w postaci:

L K ( Pi )
    0 dla i = 1,2.... n,
Pi Pi (6)
L n
  P  PL  0
 i 1 i
czyli otrzymujemy:
dK1 ( P1 ) dK 2 ( P2 ) dK i ( Pi ) dK n ( Pn )
  ...  ... 
dP1 dP2 dPi dPn
n
(7)
P P
i 1
i L 0

Pochodna kosztów paliwa względem mocy nazywa się przyrostem względnym kosztów
paliwa (zł/MWh)
dK i ( Pi )
i  dla i = 1,2... n (8)
dPi
Z równania (7) wynika, że warunkiem minimum kosztów wytwarzania mocy w systemie, w
którym pomija się straty przesyłowe jest równość przyrostów względnych kosztów we
wszystkich źródłach mocy.

3. Prosty przypadek ERO-P dwóch generatorów

Rozpatrzmy najprostszy przypadek kiedy to dwa generatory zasilają odbiory o łącznej

mocy PL. Charakterystyki kosztów wytwarzania opisane są funkcjami kwadratowymi:
K1 ( P1 )  a1  b1  P1  c1  P12 (9)
K 2 ( P2 )  a 2  b2  P2  c2  P22
Charakterystyka kosztów zgodnie z równaniem (1) przyjmie postać:
K ( P)  K1 ( P1 )  K 2 ( P2 )  a1  b1  P1  c1  P12  a 2  b2  P2  c2  P22 (10)
Jedynym warunkiem ograniczającym, którego nie można zaniedbać jest spełnienie bilansu
mocy w systemie czyli
P1 + P2 = PL (11)
Zgodnie z (3) tworzymy funkcję Lagrange’a
L( P,  )  K ( Pi )    g ( Pi )  K ( Pi )    ( P1  P2  PL ) (12)
Układ równań wynikający z warunku koniecznego (4) zawierał będzie pochodne funkcji
Lagrange’a po P1, P2 oraz l i tak:
L   0
P

  b1  2  c1  P1 

L
1



P  b2  2  c2  P2    0 (13)

L
2


   P1  P2  PL  0
 -4-

Należy teraz rozwiązać powyższy układ i wyznaczyć poszukiwane wartości P1 oraz P2. W
tym celu z pierwszego równania wyznaczamy l:
  b1  2  c1  P1 (14)
z trzeciego natomiast P2:
P2 = P L - P 1 (15)
Otrzymane wyniki podstawiamy do równania drugiego i dostajemy związek tylko z jedną
niewiadomą P1:
b2  2  c 2  ( PL  P1 )  b1  2  c1  P1  0 (16)
Przekształcając dochodzimy do ostatecznej zależności:
b2  b1  2  c 2  PL
P1  (17)
2  ( c1  c 2 )
W analogiczny sposób dochodzimy do zależności na P2, która przedstawia się następująco:
b  b  2  c1  PL
P2  1 2 (18)
2  (c1  c2 )
Interpretując geometrycznie to zadanie można powiedzieć, że charakterystyka kosztów
K(P) jest paraboloidą natomiast ograniczenia równościowe wyznaczają płaszczyznę, która
przecina tę paraboloidę wzdłuż krzywej. Znalezione rozwiązanie wyznacza najniższy punkt
tej krzywej i jest szukanym minimum.
Przykład obliczeniowy wykonano przy pomocy arkusza kalkulacyjnego Excel i
zamieszczono na osobnej stronie (przykład nr 1).

4. ERO-P z uwzględnieniem ograniczeń technicznych

Jak wiadomo w praktyce moce jednostek wytwórczych muszą zawierać się w

technicznie dopuszczalnych granicach:
Pi min  Pi  Pi max dla 1 = 1,2... n (19)
Jeśli jeden z generatorów osiągnie wartość graniczną mocy, to powstaje pytanie jak należy
obciążać pozostałe generatory. Z obliczeń optymalizacyjnych wynika, że pozostałe
generatory powinny być dalej obciążane zgodnie z zasadą równych przyrostów względnych
kosztów. Ponadto ograniczenia mogą w ogólnym przypadku dotyczyć także przepustowości
poszczególnych gałęzi sieci elektroenergetycznej. Często charakterystyki kosztów
poszczególnych zespołów w elektrowniach są funkcjami wyższych stopni niż drugi.
K i ( Pi )  a i  bi  Pi  ci  Pi 2  d i  Pi3 ... (20)
W takim przypadku moce poszczególnych generatorów mogą być wyznaczone jedynie
iteracyjnie. Aby ułatwić takie obliczenia moce generatorów wyraża się w funkcji względnych
przyrostów kosztów ei:
Pi   i   i   i   i   2i ... (21)

Algorytm obliczeń iteracyjnych jest następujący:

1. Przyjąć wartość początkową mnożnika Lagrange’a l0.
2. Obliczyć moce poszczególnych generatorów zgodnie z zasadą równych przyrostów tj.
posługując się zależnością (21) i przyjmując wartości ei jednakowe i równe co do
wartości mnożnikowi Lagrange’a.
 -5-

3. Sprawdzić ograniczenia mocy wytwarzanych przez poszczególne jednostki i dokonać

podstawień w następujący sposób:
Pi = Pi min , gdy Pi £ Pi min
Pi = Pi max , gdy Pi ³ Pi max
n
4. Sprawdzić czy jest spełniony warunek bilansu mocy w systemie P  P
i 1
i L i w przypadku

spełnienia tego warunku zakończyć obliczenia iteracyjne. W przeciwnym razie należy

wybraną metodą ustalić nową wartość mnożnika zgodnie z następującą regułą:
n
gdy  Pi  PL to  nowe   stare
i 1
n
gdy  Pi  PL to  nowe   stare
i 1

a następnie powrócić do punktu 2 algorytmu.

Przykład ilustrujący zastosowanie opisanej metody przygotowano przy pomocy arkusza

Excel. Mnożnik Lagrange’a l jest obliczany metodą połówkowania w funkcji numeru iteracji
it w następujący sposób:
 n

 k it  0.5

it
gdy P i  PL
 nowe   stare  k it   0 gdzie 
k
i 1
n (22)
 it  0.5
it
gdy P i  PL
 i 1

Początkową wartość l = e przyjęto równą 100.

Przykład umieszczono na osobnej stronie (przykład nr 2).

5. ERO-P z uwzględnieniem strat przesyłowych

Zadanie takie może być sformułowane analogicznie jak w przedstawianym wcześniej

prostym przypadku (minimalizacja nieliniowej funkcji celu) przy jednym ograniczeniu
równościowym, wynikającym z pełnego bilansu mocy w systemie, uwzględniającym także
straty przesyłowe.

n
g ( Pi , Pstr )   Pi  PL  Pstr  0 (23)
i 1

gdzie: PL - całkowite obciążenie mocą czynną,

DPstr - całkowite straty mocy czynnej w sieci przesyłowej.

Funkcja Lagrange’a ma w tym zadaniu następującą postać:

n
L( P,  )  K ( Pi )    g( Pi , Pstr )  K ( Pi )    (  Pi  PL  Pstr ) (24)
i 1

Warunki istnienia minimum są natomiast następujące:

L K ( Pi )  Pstr 
    1    0 dla i = 1,2....n,
Pi Pi  Pi 
(25)
L n
  P  PL  Pstr  0
 i 1 i
 -6-

n
stąd przy spełnieniu bilansu mocy w systemie P  P
i 1
i L  Pstr  0 warunek istnienia

minimum przyjmuje postać:

1 2 i n
  ... ... 
Pstr Pstr Pstr Pstr (26)
1 1 1 1
P1 P2 Pi Pn
lub w formie uproszczonej:
1 2 i n
  ... ...  (27)
1  w1 1  w2 1  wi 1  wn
Pstr
gdzie wi  jest tzw. współczynnikiem start sieciowych.
Pi
W przypadku systemu elektroenergetycznego składającego się z n węzłów, w każdym
węźle może wystąpić zarówno moc generowana jak i odbierana. W takim przypadku
równanie strat sieciowych można najogólniej zapisać jako:
n n
Pstr   ( PGi  PLi )   Pi (28)
i 1 i 1

Pi - moc węzłowa, wynikająca z bilansu mocy generowanych i odbieranych w węźle i.

Jeśli przyjmiemy założenie, że napięcia w węzłach sieci są równe wartościom znamionowym
oraz, że węzeł 1 pełni rolę węzła bilansującego, to moce węzłowe można z pewnym
przybliżeniem wyrazić jedynie w funkcji wektora kątów fazowych napięć węzłowych d.
Pi  Pi ( ) dla i = 1,2,..., n (29)
a wtedy równanie (28) przyjmie postać:
n
Pstr   Pi ( ) (30)
i 1
gdzie:
 T  [ 2 , 3 ,..., n ] - wektor kątów fazowych napięć węzłowych bez kąta węzła
bilansującego,
 1  0 - kąt fazowy napięcia w węźle bilansującym.

Równanie przyrostu strat przesyłowych względem kątów fazowych napięć węzłowych, po

wyłączeniu przed sumę mocy w węźle bilansującym ma postać:

n n
dPstr   dPi  dP1   Pi (31)
i 1 i 2

gdzie składniki sumy (31) oblicza się według zależności:

P1 P P
dP1   d 2 ... 1  d i ... 1  d n
 2  i  n
oraz
Pi P P
dPi   d 2 ... i  d i ... i  d n dla i = 2,3, ..., n (32)
 2  i  n
lub w zapisie macierzowym
dP1  [ P1 ]T d (33)
d [ P ]  [ P ]d (34)
 -7-

gdzie:
 P P 
[ P1 ]T   1 ........ 1  - wektor pochodnych mocy węzła bilansującego względem kątów
  2  n 
fazowych pozostałych napięć węzłowych,
 P2 P2 
  .
 n 
 2 
`[P ]   . . .  - macierz pochodnych mocy węzłowych względem kątów dla
 Pn .
Pn 
  2  n 

wszystkich węzłów oprócz bilansującego.

Obliczając wektor dd ze wzoru (34) i podstawiając do równania (33) otrzymujemy:

dP1   P1    P   d  P = b d  P  b2  dP2  b3  dP3 ... bi  dPi ... bn  dPn
T 1 T
(35)
gdzie b  b2 , b3 ,..., bi ,..., bn  - wektor współczynników.
T

Przyrost strat przesyłowych (31) można więc korzystając z zależności (35) zapisać w postaci:

n n
dPstr   dPi  dP1   Pi  (1  b2 )  dP2  (1  b3 )  dP3 ...(1  bi )  dPi ...(1  bn )  dPn
i 1 i 2
(36)

Równanie (36) opisuje zależność całkowitych strat przesyłowych od przyrostów mocy w

poszczególnych węzłach. Z kolei przyrost mocy w danym węźle i można traktować jako
przyrost mocy generowanej w tym węźle :
dPi  d ( PGi  PLi )  dPGi  0  dPGi (37)
oczywiście pod warunkiem, że moce odbiorów są stałe.
Pochodne cząstkowe strat względem poszczególnych mocy generowanych można wyznaczyć,
traktując wszystkie moce generatorów jako stałe, z wyjątkiem wybranej mocy P gi. Wówczas
zależność (36) upraszcza się tylko do jednego składnika sumy i ostatecznie otrzymujemy:
dPstr  (1  bi )  dPGi (38)
czyli
Pstr
 1  bi (39)
dPGi

Konkludując powyższe rozważania przedstawimy algorytmicznie obliczenia ERO-P z

uwzględnieniem strat przesyłowych:
1. Przygotować dane o wielkości mocy odbieranej w poszczególnych węzłach do obliczeń
rozpływów mocy - dla ustalenia konfiguracji sieci.
2. Przyjąć wstępny rozdział mocy na generatory, aby skompletować dane do obliczeń
rozpływów mocy.
3. Obliczyć rozpływ mocy.
4. Obliczyć straty przesyłowe odpowiadające obliczonemu rozpływowi mocy.
5. Obliczyć macierz pierwszych pochodnych P1d oraz Pd - przy założeniu stałych napięć we
wszystkich węzłach.
 -8-

Obliczyć wektor współczynników b   P1    P  .

T T 1
6.
7. Obliczyć moce generatorów wg poniższej kolejności:
8. przyjąć wartość początkową l0;
9. obliczyć przyrosty kosztów wg zasady  i    1  bi  ;
10. obliczyć moce generatorów korzystając z charakterystyki względnych przyrostów
kosztów PGi   i   i   i   i   i2 ... dla i=1,2,...,n
n
11. sprawdzić bilans mocy w systemie: P
i 1
Gi  PL  Pstr  B ;

12. Jeśli wartość bezwzględna bilansu mocy w systemie jest mniejsza od zadanej dokładności
obliczeń to należy przejść do punktu 8 algorytmu. W przeciwnym razie należy dokonać
korekty mnożnika Lagrange’a zgodnie z następującą regułą:
gdy DB > 0 to lnowe < lstare
gdy DB < 0 to lnowe > lstare
a następnie powrócić do punktu 7b algorytmu.
8. Sprawdzić warunek zbieżności obliczeń: PGinowe  PGistare  dokladnosc dla i=1,...,n.

Jeśli warunek ten nie jest spełniony to powrócić do punktu 2 algorytmu, w przeciwnym razie
zakończyć obliczenia.

6. ERO jako zadanie optymalizacji rozpływów mocy czynnych i biernych

Podstawową trudnością w zadaniu ERO-P z uwzględnieniem ograniczeń technicznych i

strat przesyłowych jest właściwe wyznaczenie pochodnych start przesyłowych. W istocie na
straty przesyłowe mają wpływ nie tylko moce czynne generatorów, lecz także moce bierne
odbiorów, napięcia węzłowe i przekładnie transformatorów. Opracowano bardzo dużo metod
określania zależności strat przesyłowych od wielkości występujących w systemie. Zwykle
jednak nakład pracy na właściwe oszacowanie pochodnych strat przesyłowych jest tak duży,
że łatwiej jest sformułować i rozwiązać zadanie ERO jako łączne zadanie ERO-P i ERO-Q w
formie zadania programowania nieliniowego.
Takie ogólne zadanie optymalizacji rozpływów mocy czynnych i biernych można
sformułować następująco. Punkt pracy systemu, wyznaczony z minimalizacji kosztów
wytwarzania, nie powinien naruszać ograniczeń technicznych związanych z dostawą mocy
elektrycznej odbiorcom. Innymi słowy, nie powinny być przekroczone dopuszczalne wartości
m. in.:
· mocy czynnych jednostek wytwórczych,
· regulowanych napięć i odpowiadających im mocy biernych generowanych,
· napięć w węzłach odbiorczych,
· prądów i mocy w liniach transformatorach,
· regulowanych przekładni transformatorów.
Punkt pracy, wyznaczony przy spełnieniu powyższych ograniczeń, jest równoznaczny z
optymalnym rozpływem mocy czynnych i biernych w sieci elektroenergetycznej.
Zatem kryterialną funkcję kosztów można zapisać:
n
f ([x ])   K i ([x ])
i 1
 -9-

gdzie: [x] - wektor zmiennych sterujących, zawierający: moce czynne generowane,

regulowane napięcia węzłowe i regulowane przekładnie transformatorów; n - wymiar
wektora zmiennych sterujących.
Koszty wytwarzania obejmują również koszt wytwarzania mocy czynnej w węźle
bilansującym, co można traktować jako równoznaczne kosztom start przesyłowych w sieci.
Regulowane napięcia i przekładnie decydują bowiem o wartościach strat przesyłowych, a
więc tym samym o mocy czynnej w węźle bilansującym, czyli o kosztach wytwarzania w tym
węźle. W porównaniu z klasycznym ERO-P zwiększa się w tym przypadku wymiar zadania
optymalizacyjnego o nowe zmienne sterujące.
Minimum funkcji kryterialnej poszukuje się zarówno w obszarze ograniczeń równościowych,
związanych z równaniami rozpływów mocy.
g([x])=0
jak i obszarze ograniczeń nierównościowych, wynikających z ograniczeń technicznych
generacji i przesyłu mocy:
h([x])³0.
Pełne zadanie optymalizacji rozpływów mocy można więc sformułować następująco:

min f ([x ])
x
przy g([x ])  0 oraz h([x ])  0 .
Jeśli funkcja kryterialna jest wypukła w dół i różniczkowalna oraz obszar ograniczeń
równościowych i nierównościowych jest wypukły, to minimum funkcji kryterialnej można
wyznaczyć metoda wynikającą z twierdzenia Kuhna - Tuckera. Zgodnie z tym twierdzeniem,
minimum warunkowe funkcji f([x]), w obszarze ograniczeń równościowych i
nierównościowych, występuje w tym samym punkcie co punkt siodłowy funkcji Lagrange’a:
p m
L([x ],[ ],[ ])  f ([x ])    i  g i ([x ])    j  h j ([x ])
i 1 j 1

przy czym
 j  0 gdy h j ([x ])  0
 j  0 gdy h j ([x ])  0
gdzie:
[ ]   ; i  1,2,..., p
- mnożniki Lagrange’a;
[ ]   ; j  1,2,..., m - mnożniki Kuhna - Tuckera;
p - liczba ograniczeń równościowych;
m - liczba ograniczeń nierównościowych.

Twierdzenie Kuhna - Tuckera nie prowadzi jednak do prostej metody rozwiązania

zadania, zwłaszcza gdy liczba zmiennych jest bardzo duża, jak to ma miejsce w systemie
elektroenergetycznym. Dlatego tez opracowano wiele praktycznych metod optymalizacji
rozpływów mocy:
Wszystkie metody można podzielić na cztery zasadnicze grupy:
1. Metody wykorzystujące bezpośrednio równania i nierówności wynikające z metody Kuhna
- Tuckera.
2. Metody sprowadzające optymalizację rozpływów mocy do zadania minimalizacji
nieliniowej funkcji celu z ograniczeniami równościowymi.
3. Metody linearyzacji zadania i rozwiązywania go metodami programowania liniowego.
4. Metody funkcji kary.
 -10-

Praktyczne znaczenia mają metody grup 2 i 4 wykorzystujące do rozwiązywania ograniczeń

równościowych standardowy program rozpływów mocy.

7. Optymalizacja rozpływów mocy czynnych i biernych jako zadanie minimalizacji

nieliniowej funkcji celu z ograniczeniami równościowymi.

Dommel i Tinney zaproponowali włączenie ograniczeń nierównościowych do funkcji

celu , w postaci kary za przekroczenie ograniczeń:
n m
f ([x ],[v ])   K i ([x ],[v ])   rj  h j2 ([x ].[v ])
i 1 j 1

gdzie:
rj - zmienna dwustanowa równa bardzo dużej wartości, gdy nie jest spełnione ograniczenie
nierównościowe i równa zeru, gdy ograniczenie nierównościowe jest spełnione;
[v] - wektor zmiennych zależnych, czyli napięć i kątów węzłowych.

W efekcie powyższego podstawienia ogólne zadanie optymalizacji zostało zamienione

na zadanie minimalizacji nieliniowej funkcji celu z liniowymi ograniczeniami
równościowymi, dla których można już zastosować metodę Lagrange’a. Funkcja Lagrange’a
w tym przypadku będzie miała postać:
L[x ],[v ],[ ]  f [x ],[v ]  T  g[x ],[v ]
gdzie l - wektor mnożników Lagrange’a.
Punkt odpowiadający minimum funkcji Lagrange’a otrzymuje się rozwiązując poniższy
układ równań, wynikający z przyrównania pierwszych pochodnych tej funkcji do zera
względem wektorów [x], [v] oraz [l]:
 Lx  f  T
Ax    0

x

 Lv  f v  T
Av   0
L g[ x ], [ v ]
    0

Algorytm rozwiązania tych równań jest następujący:

1. Przyjąć wstępne wartości sterowań [x], jako dane wejściowe do rozpływów mocy.
2. Rozwiązać trzecie równanie układu ze względu na wektor [v], wykorzystując standardowy
program rozpływów mocy.
3. Z drugiego równania układu wyliczyć wektor mnożników Lagrange’a:
 
1
 ]   AvT  fv
4. Obliczyć wartość gradientu
  
1
Lx  f x  AxT  AvT  fx
5. Wyznaczyć nowe wartości wektora sterowań x nowe  x stare  c  Lx , gdzie c - długość kroku
gradientowego. Ograniczenia dla sterowań są wprowadzane automatycznie, z chwila
przekroczenia granicy górnej lub dolnej
x inowe  x i min gdy x inowe  x i min 
 dla i = 1,2, . . . , n
x inowe  x i max gdy x inowe  x i max 

6. Jeśli przyjętą norma [x ]nowe  [x ]stare jest mniejsza od założonej dokładności obliczeń to
należy zakończyć iteracje. W przeciwnym razie powrócić do punktu 2 algorytmu.

Zaletą metody Dommela i Tinneya jest łatwość oprogramowania, gdyż można tu

wykorzystać istniejący program komputerowy rozpływów mocy do rozwiązania ograniczeń
równościowych. Wada metody jest natomiast konieczność określenia a priori
współczynników kary rj. Współczynniki te powinny mieć praktyczne uzasadnienie. W
 -11-

obliczeniach rzeczywistych często dopuszcza się, by rozwiązanie optymalne nieznacznie

przekraczało ograniczenia napięciowe i prądowe np. w odniesieniu do napięć węzłach
odbiorczych.

8. Optymalizacja rozpływów mocy czynnych i biernych metodą funkcji kary

Metoda funkcji kary polega na przekształceniu zadania minimalizacji z ograniczeniami

nieliniowymi w szereg zadań minimalizacji bez ograniczeń. W tym celu tworzy się funkcję
kary, która najczęściej ma postać:
p m
T ([x ].[r ])  f ([x ])   ri  g i2 ([x ])   rj  h j2 ([x ])
i 1 j 1

gdzie ri , rj - parametry zwiększające wartości funkcji naruszanych ograniczeń.

Jest to więc zewnętrzna funkcja kary, spełniająca wymagania definicji funkcji kary.
Funkcja kary powinna być bowiem tak dobrana, aby przy ustalonej wartości parametru r
wyznaczony punkt minimum zmodyfikowanej funkcji kryterialnej T można było przyjąć za
przybliżenie punktu minimum funkcji f([x]), przy spełnieniu warunków nieliniowych
ograniczeń równościowych i nierównościowych. Przybliżenie takie jest tym dokładniejsze,
im szybciej rośnie funkcja kary przy naruszeniu ograniczeń, czyli im większa jest wartość
parametru r. Istota metody funkcji kary polega na dobraniu odpowiedniej postaci funkcji kary
T([x],[r]), a następnie rozłożeniu zadania minimalizacji funkcji f([x]) na ciąg zadań
minimalizacji funkcji T([x],[r]) ze zmiennymi parametrami [r]. Wobec powyższego
wyznaczenie punktu [x0], w którym funkcja f([x]) osiąga minimum w obszarze
ograniczonym, zostaje zastąpiony ciągiem zadań poszukiwania minimum funkcji T([x],[r] {k})
bez ograniczeń, gdzie [r]{k} - wektor parametrów zmiennych funkcji kary w k=1,2,... zadaniu
optymalizacyjnym. Przy czym ciąg parametrów {ri{k};i=1,2,...,m+p} względem k musi
spełniać warunek

lim r  
{k }
i i=1,2,...,m+p
k 
Powstaje pytanie jak rozstrzygnąć czy punkt [x0]([r]{k})=[x0]{k} można przyjąć za
wystarczające przybliżenie rozwiązania pełnego zadania minimalizacji funkcji f([x]) z
ograniczeniami. W przypadku zewnętrznej funkcji kary warunki te mogą być sformułowane
następująco:
[x 0 ]{k }  [x 0 ]{k 1}  
lub
  
T [x 0 ]{k } ,[r ]{k }  T [x 0 ]{k 1} ,[r ]{k 1}  
oraz
 
h j [x ]{k }   j j = 1,2, ..., m
gdzie e, hj - wartości kryterialne.

Wadą omawianej metody jest fakt, że ze względu na szybki wzrost wartości funkcji
kary, po niespełnieniu warunków ograniczających zwiększa się zwykle nakład obliczeń.
Składniki związane z ograniczeniami nierównościowymi występują w funkcji kary tylko
wtedy, gdy dane ograniczenie jest przekroczone, w przeciwnym razie są one równe zeru.
 -12-

Minimum funkcji kary może być wyznaczone wybraną metodą znajdowania punktu
minimum funkcji bez ograniczeń.
Wszystkie metody dzielą się na gradientowe i bezgradientowe. Te ostatnie zwane są również
metodami bezpośrednimi. Z punktu widzenia optymalizacji rozpływów mocy najczęściej są
stosowane metody gradientowe, ze względu na fakt, że wykorzystywana tu zewnętrzna
funkcja kary jest różniczkowalna. Algorytm gradientu jest następujący:
[x ]{k 1}  [x ]{k }  c k  G ([x ]{k } )
gdzie:
G([x]{k}) - gradient funkcji kary w k-tym kroku minimalizacji,
ck - współczynnik długości kroku.

W algorytmie gradientu punkt początkowy [x]{0} wybiera się dowolnie, a współczynnik

długości kroku c0,c1,c2,... muszą być dodatnie i tak dobrane, aby zapewniały zbieżność do
punktu minimum. Wektor -G([x]{k}) określa w punkcie [x]{k} kierunek najszybszego spadku
wartości funkcji T([x],[r]). W celu znajdowania punktu minimum jest stosowany również
algorytm Newtona. Przyrost funkcji kary aproksymuje się w otoczeniu punktu [x] {k} funkcją
kwadratową:
 
T
T ([x ]{k } )  G[x ]{k }  0,5 [x ]{k }  H[x ]{k }
gdzie H - macierz drugich pochodnych zwana hesjanem.
Funkcja kary z założenia jest ściśle wypukła w dół i jej hesjan jest dodatnio określony, a to
oznacza, że minimum w otoczeniu tego punktu wynika z przyrównania pierwszej pochodnej
do zera:
H[x ]{k }   G
Ponieważ punkt rozwinięcia w szereg jest tylko przybliżeniem nieznanego optymalnego
punktu, dlatego z rozwiązania układu równań liniowych uzyskuje się poprawki, które
pozwalają wyznaczyć nowe przybliżenie punktu minimum w k-tym zadaniu
optymalizacyjnym
[x ]{nowe
k}
 [x ]{stare
k}
 [x ]{k }
Obliczenia kończy się jeżeli D[x]{k} jest mniejszy od zadanej dokładności obliczeń.

Literatura:

1. Kremens Z., Sobierajski M.: Analiza systemów elektroenergetycznych. Warszawa, WNT

1996.
2. Bernas S., Mińczuk A., Zdun Z., Ziemianek S.: Laboratorium optymalizacji pracy systemu
elektroenergetycznego. Wydawnictwa Politechniki Warszawskiej, Warszawa 1986.