Nas Tabelas 5.4 e 5.5 en ontram-se o número de iterações e o tempo de pro essamento
pelosmétodosdetrajetória entral(TC),preditor- orretor(PC)epreditor- orretor ompleto
Sistema TC PC PCC
IEEE14 11 11 8
IEEE30 12 9 8
IEEE118 17 17 15
Tabela5.4: Número de iterações om
v
k
∈ [0, 90; 1, 10]
Métodos
Sistema TC PC PCC
IEEE14 0,03 0,03 0,02
IEEE30 0,04 0,03 0,03
IEEE118 0,44 0,46 0,41
Tabela5.5: Tempo de pro essamento(s) om
v
k
∈ [0, 90; 1, 10]
As Tabelas 5.6 e5.7 ontem os resultados obtidos pelos métodos om
v
k
∈ [0, 95; 1, 05]
.Métodos
Sistema TC PC PCC
IEEE14 12 10 9
IEEE30 12 9 9
IEEE118 23 24 18
Tabela5.6: Número de iterações om
v
k
∈ [0, 95; 1, 05]
Métodos
Sistema TC PC PCC
IEEE14 0,03 0,02 0,02
IEEE30 0,04 0,03 0,03
IEEE118 0,60 0,65 0,49
Tabela5.7: Tempo de pro essamento(s) om
v
k
∈ [0, 95; 1, 05]
AsTabelas5.8 e5.9 estãoosresultados obtidospelos métodos paraosistema inter one -
P Pmax
/P PC
TC PC PCC1,10 26 26 17
1,15 24 28 16
1,20 20 35 18
Tabela5.8: Iteraçõespara o sistemaBRASIL e uso daheurísti a proposta
Métodos
P Pmax
/P PC
TC PC PCC 1,10 80,61 83,30 55,46 1,15 74,39 90,68 52,41 1,20 62,59 113,59 58,99Tabela 5.9: Tempo(s) para osistema BRASILe uso da heurísti a proposta
Comparando o tempo de pro essamento para o sistema BRASIL utilizando a heurísti a
proposta (Tabela 5.9) ea heurísti a existente(Tabela 5.3), aheurísti a proposta obteve um
desempenho muito superior.
ATabela5.10 mostraaquantidadede restriçõesem
v
k
in luídaspelaheurísti apropostaduranteopro essode otimizaçãoe sugerequeamaioriadasrestriçõessãoin luídaslogonas
primeirasiterações.
P Pmax
/P PC
1,10 1,15 1,20 iteração TC PC PCC TC PC PCC TC PC PCC 5 25 61 43 24 59 35 23 56 29 10 33 64 75 32 60 39 31 56 32 15 36 64 75 34 63 39 33 56 32 nal 37 64 75 35 63 39 33 72 32Tabela5.10: Restriçõesem
v
k
in luídas poriteraçãoNasoluçãoótima,apenas
7
restriçõesestãoativas,sendo2
nolimitesuperiore5
nolimiteinferior. As barras ujasrestrições estão ativas são as mesmas para os três asos: as barras
P Pmax/P P
C
1,10 1,15 1,20 barra TC PC PCC TC PC PCC TC PC PCC 172 15 10 10 12 12 9 11 26 9 175 14 9 10 11 12 9 10 22 8 177 5 3 6 5 4 5 5 3 4 331 4 3 5 4 4 4 5 3 4 629 4 3 5 4 4 4 5 3 5 635 18 10 8 16 12 9 14 28 9 1556 4 4 4 4 4 4 4 3 4Tabela 5.11: Iteraçãoda in lusãodas restriçõesem
v
k
ativas nasolução ótimaA heurísti a de des onsiderar ini ialmente as restrições de tensão é fundamental para a
implementaçãodosistemaBRASIL,pois adaumadas
2257
barrasgerariaduasrestriçõesdedesigualdadenomodelo. Embora esta heurísti anão sejane essária para ossistemas IEEE,
sua implementaçãotambém foi testadapara estes sistemas. A Tabela 5.12, 5.13,5.14 e 5.15
mostramesses resultados.
Métodos
Sistema TC PC PCC
IEEE14 11 8 7
IEEE30 16 16 12
IEEE118 33 27 20
Tabela5.12: Iterações om
v
k
∈ [0, 90; 1, 10]
e uso da heurísti a propostaMétodos
Sistema TC PC PCC
IEEE14 0,03 0,02 0,02
IEEE30 0,05 0,05 0,04
IEEE118 0,85 0,72 0,54
Sistema TC PC PCC
IEEE14 14 14 11
IEEE30 13 14 10
IEEE118 24 22 22
Tabela5.14: Iterações om
v
k
∈ [0, 95; 1, 05]
e uso da heurísti a propostaMétodos
Sistema TC PC PCC
IEEE14 0,02 0,03 0,02
IEEE30 0,05 0,06 0,04
IEEE118 0,64 0,61 0,62
Tabela5.15: Tempo(s) om
v
k
∈ [0, 95; 1, 05]
euso daheurísti a propostaPara ossistemasIEEE testados,aheurísti apropostanão apresentavantagemquantoao
número de iterações, embora ela seja fundamental para a implementação de um sistema de
grandeporte omo o BRASIL.
Comparandoo métodopreditor- orretor ompletoproposto neste trabalho(PCC) om o
método de trajetória entral (TC), o PCC obteve desempenho superior em todos os asos
testados, onseguindoum tempo omputa ionalmenormesmo onsiderandoomaior esforço
omputa ionalporiteração.
Na omparação omométodopreditor- orretortradi ional(PC),ondeoesforço omputa-
ionalporiteraçãoéprati amenteigual aométodoproposto,oPCC obteveum desempenho
superior na quantidade de iterações. Em alguns asos testados o PC obteve desempenho
inferioraté mesmoque o TC, devido à não utilizaçãodas orreções em todas as equações.
Otempode pro essamentoparaossistemasIEEEésimilar,poisossistemassão onside-
radosde pequenoporteeo usto omputa ionalde adaiteraçãoébaixo. Jáem umsistema
maior, omo o sistema inter one tado brasileiro, a diferença é signi ativae a utilizaçãodo
Con lusões e Perspe tivas Futuras
Neste trabalhodesenvolvemos um métodode pontos interiorespreditor- orretor para o pro-
blemadeuxodepotên iaótimo. Comautilizaçãode oordenadas artesianaspararepresen-
tarastensões,foipossívelobter orreçõesnãolinearestambémnas ondiçõesdefa tibilidade
primal e dual e não apenas nas ondições de omplementaridade omo é tradi ionalmente
feito. Além disso, uma nova heurísti a que a res enta as restrições de limite de tensão so-
mente na medida que elas são realmente ne essárias propor iona e iên ia aos métodos de
pontos interiores,permitindoresolversistemasde grandeporte om um pequeno númerode
iterações. Esta heurísti a tem a vantagem adi ionalde reduziro esforço omputa ionalpor
iteração. Assim,foi desenvolvidoum métodopreditor- orretorespe í opara oproblemade
uxo de potên iaótimo, aproveitando ara terísti as domodelo.
A nova heurísti a proposta mostrou ser fundamental na implementação de sistemas de
grandeporte, poisreduza quantidadede restriçõesdoproblemaprimal, permitindoabus a
de direções mais promissoras para os métodos de pontos interiores. Outra ara terísti a
a ser desta ada pelo método de pontos interiores é a velo idade, pois o maior número de
iteraçõesparaométodoproposto é
22
e onsiderandotodos os asose métodos testados esteMATLAB.
Comparando o métodopreditor- orretor ompleto om os métodos de trajetória entral
e preditor- orretor tradi ional, o método proposto obteve desempenho superior nos asos
testados, onseguindoum tempo omputa ionalmenormesmo onsiderandoomaior esforço
omputa ionalporiteração.
Oobjetivogeraldesse trabalhofoial ançado, poisométodopropostoé apazde resolver
problemasde uxo de potên iaótimo de diferentes portes e ara terísti as.
Opontoini ialé ru ialnos métodos de pontos interiores,poisajudaa reduzironúmero
de iterações. Como sugestão de melhoria, é ne essário um estudo mais detalhado sobre
a obtenção de melhores parâmetros e pontos ini iais adequados para ada sistema. Para
aprimorar aheurísti a proposta também é ne essário um estudo mais aprofundado sobre os
valores atribuídos àsvariáveisduais eprimais orrespondentes àsrestrições in luídas.
Seria onveniente traduzir a implementação dos métodos para outra linguagem (C ou
FORTRAN, por exemplo), a m de reduzir o tempo omputa ional e explorar om maior
profundidadeas ara terísti asespe iaisdoproblema. Para isso, podemser utilizadasté ni-
as espe í as para resolução de sistemas linearessimétri os indenidos [5℄.
O método também pode ser adaptado para outras funções objetivo alternativas, pois
para issonão são ne essárias alterações signi ativasno desenvolvimento apresentado neste
trabalho. Para tanto, basta que seja possível al ular as orreções não lineares da função
objetivoes olhida.
Outrasugestão é in luirnomodelo restriçõesopera ionaisde limite nouxo de potên ia
ativa nas linhas de transmissão. É possível al ularas orreções destas restrições, pois elas
são quadráti as quando a tensão é representada em oordenadas polares. Além disso, estas
restrições podem ser tratadas utilizando a mesma heurísti a proposta para as restrições de
[1℄ J. Abadie and J. Carpentier, Generalization of the Wolfe gradient method to the
ase of nonlinear ontraints, Optimization A ademi Press, London,(1969), pp. 3747.
[2℄ I. Adler, M. G. C. Resende, G. Veiga, and N. Karmarkar, An implementa-
tion of Karmarkar's algorithmfor linear programming, Mathemati alProgramming,44
(1989),pp. 297335.
[3℄ O. Alsaç, J. Bright, M. Prais, and B. Stott, Further developments in LP-based
optimal power ow, IEEE Transa tion onPAS, 5(1990), pp. 697711.
[4℄ M.C.BiggsandM.A.Laughton,Optimalele tri powers heduling: alargenonlin-
earprogrammingtestproblemsolvedbyre ursivequadrati programming,Mathemathi al
Programming,13(1977), pp. 167182.
[5℄ J. R. Bun h and B. N. Parlett, Dire t methods for solving symmetri indenite
systems of linear equations, SIAM J. Num. Anal., 8 (1971),pp. 639655.
[6℄ R.C.Bur hett,H.H.Happ,andD.R. Vierath,Quadrati ally onvergentoptimal
power ow, IEEE Transa tion onPAS,103 (1984),pp. 32673275.
[7℄ J. Carpentier, Contributiona l'etude du dispat hing e onomique, Bulletinde laSo i-
Pro .of IEEE PICA Conferen e, Minneapolis,(1973),pp. 225262.
[9℄ G. B. Dantzig, Linear Programming and Extensions, Prin eton University Press,
Prin eton, 1963.
[10℄ I. I.Dikin, Iterative solution of problems of linear and quadrati programming,Soviets
Math. Doklady, 8 (1967),pp. 674675.
[11℄ H.W. Dommel andW. F. Tinney,Optimal powerow solution,IEEE Transa tions
onPAS,87 (1968),pp. 18661876.
[12℄ A. S. El-Bakry, R. A. Tapia, T. Tsu hiya, and Y. Zhang, On the formulation
andthe theory of the Newton interior-point method for nonlinear programming,Journal
of OptimizationTheory and Appli ations, 89(1996), pp. 507541.
[13℄ A. V. Fia o and G. P. M Cormi k, Nonlinear programming: sequential un on-
strained minimization te hniques, John Willey& Sons, In ., 1968.
[14℄ K. R. Fris h, The logarithmi potential method of onvex programming, Te hni al
report, University Institute of E onomi s, Oslo, (1955).
[15℄ A.Garzillo, M.Innorta,andR.Ri i,Theexibilityof interiorpointbasedpower
ow algorithms fa ing riti al network situations, Ele tri al Power & Energy Systems,
21(1999), pp. 579584.
[16℄ M. O. Gonçalves, Perdas Aparentes Série omo Critério a Ser Minimizado no Fluxo
de Potên ia Ótimo Reativo. Dissertação de mestrado, FEEC UNICAMP, Campinas,
2006.
[17℄ J. Grainger and W.Stevenson, Power System Analysis, M Graw-Hill,New York,
Transa tions onPower Systems,9 (1994),pp. 136146.
[19℄ S. Granville, M. C. Lima, L. C. Lima, and S. Prado, Planvar - an optimiza-
tion software for VAR sour es planning, Symposium in Mathemati al Programming
Amsterdam, (1991).
[20℄ N. Karmarkar, A new polynomial-time algorithm for linear programming, Combina-
tori a,4 (1984),pp. 373395.
[21℄ N. Karmarkar, J. C. Lagarias, L. Slutsman, and P. Wang, A parallel formu-
lationof interior-point algorithms,AT&T Te hni al Journal,68 (1989),pp. 2036.
[22℄ L. G. Kha hiyan,A polynomial algorithmin linear programming,SovietMathemati s
Doklady, 20(1979), pp. 191194.
[23℄ M.Kojima, S. Mizuno, and A. Yoshise,A primal-dual interior point algorithmfor
linear programming.Progress in Mathemati al Programming: Interior Point andrelated
Methods, Springer Verlag, New York, 1989.
[24℄ I. J. Lustig, R. E. Marsten, and D. F. Shanno, Computational experien e with
a primal-dual interior-point method for linear programming, Linear Algebra Appl., 152
(1991),pp. 191222.
[25℄ N. Megiddo, Pathways to the optimal set in linear programming,Mathemathi al Pro-
gramming,(1986), pp. 131158.
[26℄ S. Mehrotra, On the implementation of a primal-dual interior point method, SIAM
ow literature to 1993, part I: Nonlinear and quadrati programming approa hes, IEEE
Transa tions onPower Systems,14 (1999),pp. 96104.
[28℄ , A review of sele ted optimal power ow literature to 1993, part II: Newton, lin-
ear programming and interior point methods, IEEE Transa tions on PowerSystems, 14
(1999),pp. 105111.
[29℄ R. D. C. Monteiro, I.Adler, andM. G. C. Resende, Apolynomial-timeprimal-
dualane s alingalgorithmfor linear and onvexquadrati programming and its power
series extension, Mathemati s of OperationsResear h,15 (1990),pp. 191214.
[30℄ A.J.Monti elli,FluxodeCargaEmRedesdeEnergiaElétri a,EdgarBlu herLTDA,
São Paulo, 1983.
[31℄ B. A. Murtagh and M. A. Saunders, A proje ted lagrangian algorithm and its
implementationforsparse nonlinear ontraints, Mathemathi alProgrammingStudy,16
(1982),pp. 84117.
[32℄ J. No edaland S. J. Wright,Numeri al Optimization,Springer Verlag, NewYork,
1999.
[33℄ A.R.L. Oliveira,S. Soares, andL. Nepomu eno,Optimala tive powerdispat h
ombining network ow and interior point approa hes, IEEE Transa tions on Power
Systems, 18(2003),pp. 12351240.
[34℄ , Short term hydroele tri s heduling ombining network ow and interior point
and their appli ations to power systems: A lassi ation of publi ations and software
odes, IEEE Transa tions onPower Systems, 15(2000),pp. 170176.
[36℄ D.J.Sun,B.Ashley,B.Brewer, A.Hughes,andW.F.Tinney,Optimalpower
ow by Newton approa h, IEEE Transa tion onPAS, 103 (1984), pp. 28642880.
[37℄ A. Thomaz, Métodos de Pontos Interiores Apli ados ao Fluxo de Carga Ótimo Uti-
lizando Coordenadas Cartesianas. Tese de doutorado, FEEC UNICAMP, Campinas,
2007.
[38℄ G. L. Torres andV. H. Quintana, An interior point method for nonlinear optimal
power owusing voltagere tangular oordinates,IEEE Transa tionsonPowerSystems,
13(1998), pp. 12111218.
[39℄ R. J. Vanderbei, Linear Programming Foundations and Extensions, Kluwer A a-
demi sPublishers, Boston, 1996.
[40℄ S. J. Wright, PrimalDual InteriorPoint Methods, SIAM Publi ations, SIAM,
Philadelphia,1996.
[41℄ Y. C. Wu, A. S. Debs, and R. E. Marsten, A dire t nonlinear predi tor- orre tor
primal-dual interior point algorithm for optimal power ows, IEEE Transa tions on