Institutode Matemáti a Estatísti aeComputaçãoCientí a
Departamento de Matemáti a Apli ada
Um novo Método Preditor-Corretor para
Fluxo de Potên ia Ótimo
Roy Wilhelm Probst
DoutoradoemMatemáti aApli ada
Orientador: Prof. Dr. Aurelio Ribeiro Leite de Oliveira
Trabalho nan iado pelaFAPESP
Campinas
F
I
C
H
A CATA
LOGRÁ
F
I
CA E
L
A
BO
RADA PELA
BIB
L
IO
TECA
DO I
MECC
D
A UNICAMP
Bibliotecária: Crisllene Queiroz Custódio
-
CRB8
I
7966
Probst,
Ro
y
Wilhelrn
P94n
Um
novo método preditor-corretor para fluxo de
potência
óti
mo
I
Roy
Wilhelm
Probst --
Campinas,
[S
.
P
.
: s.n.], 20
I O
.
Orientador
:
Aurelio
Ribeiro Leite de Oliveira
Tese
(
doutorado)-
Universidade
Estadual de
Campinas,
Instituto
de
Matemática, Estatística e Computação
Ci
entífica.
I
.
Métodos
de ponto
s
interiores.
2. Sistemas
de
potência. 3.
Programação
não-linear. 4. Método preditor-corr
eto
r
.
I.
Oliveira, Aurelio
Ribeiro Leite de
.
1
1.
Universidade
Estadual de
Campinas.
Instituto de
Matemática, Estatística e Computação
Científica
.
I
li.
Títul
o.
Título em inglês: A
new predietor
-co
rrector method for
optimal
power tlow.
Palavras-chave em inglês (Keywords):
I. Jnterior point
methods. 2.
Power
sys
tem
s.
3. Nonlinear
programming
.
4. Predictor-
cor
rector method.
Área
de
concentração:
Pesqui
sa
Operacional
Titulação:
Doutor em Matemática Aplicada
Banca examinadora:
Pro
f.
Dr
.
Aurelio
Ribeiro Lei
te
de Oliveira ([MECC-UNICAMP)
Profa
.
Ora
.
Márc
i
a
Aparecida Gomes Ruggiero (IMECC-UNI
CAMP)
Prof. Dr
.
Secundino Soares
Filho
(FEEC-UN
ICAMP)
Prof. Dr.
Geraldo
Roberto Martins da
Costa (EESC-USP)
Prof. Dr
.
Leonardo Nepomuceno (FEB-VNESP)
Data
da defesa: 05
.
05
/
2010
EstetrabalhonãoseriapossívelsemaajudadoprofessorAurelio. Agradeço-lhepelas ríti as,
sugestõese apoioque me possibilitaramum grande res imentoa adêmi o e pessoal.
Agradeçoà minha família,espe ialmentemeus pais Ingrid e Wilson e minha avó Adélia,
porseu amor,sabedoria e orações.
Aos meus amigos, pelaajudaque re ebi em várias o asiões.
A Deus, porpermitirque pudesse realizar meussonhos.
Um método de pontos interiores preditor- orretor é desenvolvido para o problema de uxo
de potên ia ótimo ativo-reativo. As tensões são representadas em oordenadas artesianas
ao invés de oordenadas polares, pois estas, sendo quadráti as, permitem orreções não
li-nearesnas ondições de fa tibilidadeprimal e dual e não apenas nas de omplementaridade
omo nos métodos tradi ionais de programaçãonão-linear. Outra ontribuição forne e uma
nova heurísti a para o tratamento das restrições de magnitude das tensões. Experimentos
omputa ionais om sistemas de teste IEEE e um sistema real brasileirosão apresentados e
Apredi tor- orre tor interior-pointmethod isdeveloped tothe ACa tive and rea tive
opti-malpower ow problem. Voltage re tangular oordinates is adopted instead of polar ones,
sin e,being quadrati ,itallows nonlinear orre tions forthe primalanddual feasibility
on-ditions and not only for the omplementary onstraints as in the traditionalnonlinear
pro-grammingmethods. A new heuristi is proposed to handle voltage magnitude onstraints.
ComputationalexperimentsforIEEE testsystems and arealBrazilian system arepresented
1 Introdução 1
1.1 Fluxo de Potên ia Ótimo . . . 1
1.2 Métodos de Pontos Interiores . . . 3
2 Fluxo de Potên ia Ótimo 6 2.1 Cál ulo de Fluxo de Potên ia . . . 6
2.1.1 Modelagemdas Linhas de Transmissão . . . 9
2.1.2 Fluxos de Potên ia Ativa e Reativa . . . 10
2.1.3 Formulação Matri ial . . . 11
2.2 Fluxo de Potên ia Ótimo . . . 14
2.2.1 Fluxo de Potên ia ÓtimoAtivo-Reativo . . . 14
3 Métodos de Pontos Interiores 17 3.1 Método de Newton . . . 17
3.2 Programação Linear . . . 19
3.2.1 Método Primal-DualAm-Es ala . . . 20
3.2.2 Método de Trajetória Central . . . 22
3.2.3 Método Preditor-Corretor . . . 23
3.2.4 Cál ulo daDireção de Newton . . . 27
3.3.2 Método Preditor-Corretor . . . 31
3.3.3 Cál ulo daDireção de Newton . . . 33
4 Método Preditor-Corretor Completo 35 4.1 Motivação . . . 35
4.2 Método Proposto . . . 38
4.3 Fluxo de Potên ia Ótimo . . . 40
4.4 Dedução das Correções . . . 43
4.5 Dedução das Derivadas Utilizadas . . . 52
4.5.1 Derivadas de PrimeiraOrdem . . . 53
4.5.2 Derivadas de Segunda Ordem . . . 54
5 Experimentos Computa ionais 57 5.1 Detalhes da Implementação . . . 57
5.1.1 Heurísti a Proposta . . . 58
5.2 Resultados Numéri os . . . 60
6 Con lusões e Perspe tivas Futuras 65
Introdução
Neste apítuloserá feitauma breve introdução sobreo problema de uxo de potên iaótimo
eos métodos de pontos interiores.
1.1 Fluxo de Potên ia Ótimo
Emengenhariaelétri a, ál ulodeuxodepotên ia(também onhe ido omo ál ulodeuxo
de arga) é uma importante ferramenta envolvendo análise numéri aapli ada à sistemasde
potên ia[17℄. A modelagemdosistema éestáti a e onsidera que asvariações om o tempo
são su ientemente lentas para que se possa ignorar osefeitos transitórios,que só poderiam
serlevadasem onsideraçãosefosseutilizadaumamodelagemdinâmi aenvolvendo equações
diferen iais[30℄. Fluxo de potên iaótimo éo problema de otimização que tem omo função
objetivoalgumamedidadedesempenhodaoperaçãodos sistemaselétri ose omorestrições
as equações de balanço de potên ia provenientes das leis de Kir hho, além das restrições
opera ionais[27℄. Aimportân iadouxode potên iaótimo onsisteemplanejaraexpansão
dosistemade potên ia,assim omodeterminaro melhorpontode operaçãoparaossistemas
existentes. A solução do problema forne e a tensão e a injeção de potên ia ativa e reativa
mulação nos anos 60, om o problema de despa ho e onmi o de Carpentier [7℄. Desde
então,váriosmétodosde otimizaçãoforampropostospara resolveresteproblema, entre eles:
o método do gradiente reduzido de Dommel-Tinney [11℄, gradiente reduzido generalizado
[1℄, o método de injeção diferen ial de Carpentier [8℄, o método do Lagrangiano projetado
[31℄, métodos de programaçãoquadráti a sequen ial[4,6, 36℄, métodos espe í os baseados
na resolução de uma sequên ia de problemas de programação linear [3℄ ou quadráti a [19℄.
Métodosde pontos interioresforamutilizadospara este problemapelaprimeiravez em 1994
[18, 41℄.
Ouxode potên iaótimoforne e aoplanejadorouoperadordosistemaelétri ouma
ori-entaçãode omoasvariáveisde ontrole devemser a ertadas paraqueos entros de geração,
onsumo e equipamentos de transmissão estejam dentro de suas apa idades otimizando
al-gum ritério de desempenho dosistema. Aimplementação deve ser robustae não ne essitar
daexperiên iadooperadorpara ajustar osparâmetros dopro esso de otimização. O tempo
de onvergên ia é fundamentalpara aoperação dosistema,mas não ne essariamentepara o
planejamento[37℄.
Os geradores e argas são onsiderados omo a parte externa do sistema elétri o, e são
modelados através de injeções de potên ia nos nós da rede. A parte interna do sistema é
omposta pelas linhas de transmissão, transformadores,reatores, et . As equações douxo
de potên ia são obtidas impondo-se a primeira lei de Kir hho, ou seja, a onservação das
potên ias ativase reativas em ada nó da rede: a potên ialíquida injetada deve ser igual à
soma das potên ias que uem pelos omponentes internos ligados a este nó. A segunda lei
deKir hhoéutilizadaparaexpressar osuxos depotên ianos omponentesinternos omo
função das tensões de seus nós terminais[30℄.
O uxo de potên ia ótimo orrente ontínua (DC) é uma representação linearizada e
objetivoquadráti a, orrespondenteaos ustosdegeraçãoeperdasnatransmissãodosistema
de potên ia,sujeito àsrestrições linearesque representam o uxo de potên iaativa [33, 34℄.
Deve-se observar que o modelo DC não leva em onsideração as magnitudes das tensões e
aspotên iasreativas,portantonão pode substituir por ompleto osmodelos não linearesde
uxo de potên ia[30℄.
1.2 Métodos de Pontos Interiores
A programação linear tem sido um assunto dominante em otimização desde que Dantzig
[9℄ desenvolveu o método simplex na dé ada de 40. Em 1984, a publi ação do trabalho
de Karmarkar [20℄ ini iou uma nova linha de pesquisa onhe ida omo métodos de pontos
interiores,eumadé adadepoisosmétodosprimais-duaissurgiram omoosmaisimportantes
eúteis desta lasse de métodos [40℄.
Em programação linear, a diferença entre os métodos de pontos interiores e o método
simplex está na natureza das soluções obtidas em ada iteração. No métodosimplex, a
se-quên iadepontosgeradosperten emàfronteiradaregiãofa tível,enquantoquenosmétodos
depontosinterioreselas estãonaregiãointerior. Ométodosimplexpodeser ine ientepara
resolver ertosproblemaspatológi os,poissua omplexidade éexponen ial[32℄. Embora em
quase todos os problemas práti oso métodosimplex seja muito mais e ienteque este
limi-te sugere, em problemas de grande porte os métodos de pontos interiores obtem resultados
melhores queo métodosimplex [2℄.
Em 1955, surge o primeiro método de pontos interiores, atribuído a Fris h [14℄. Este
método foi exaustivamente estudado por Fia o e M Cormi k [13℄. Em 1967, Dikin [10℄
publi ouum método om asmesmasbases de outrostrabalhosposterioresnaáreade pontos
de Kha hiyan [22℄. No entanto, sua onvergên ia é muito lenta, o métodonão é robustona
presença de erros de arredondamento e ne essita de uma grandequantidade de memóriade
armazenamentoa ada iteração [40℄. Este métodoprovou ser inferior ao métodosimplex na
práti a.
Masamaiordes obertanaáreademétodosdepontos interioreso orreuem1984,quando
Karmarkar [20℄ apresentou um novo método de pontos interiores para programação linear,
tambémde omplexidadepolinomial. OmétododeKarmarkaréummétodoprimal,ouseja,é
des rito,motivadoeimplementadopuramenteemtermosdoproblemaprimal,semreferên ia
aodual. A ada iteração,ométodorealizaumatransformaçãoprojetivado onjuntofa tível
primal que leva a solução atual ao entro do onjunto e aminha no espaço transformado
[40℄.
A lasse de métodos de pontos interioresque possui asmelhores propriedades práti ase
teóri assão os hamados métodos primais-duais. Tanto experimentos omputa ionais omo
odesenvolvimentoteóri o mostramque os métodos primais-duais são superiores aos demais
métodos de pontos interiores em problemas práti os, hegando a ser melhor que o método
simplex em problemas de grande porte [40℄.
Entre os métodos primais-duais, desta a-seo métodopreditor- orretorde Mehrotra [26℄,
que passou a ser a base da maioriados ódigos rela ionados a pontos interiores. O método
utilizaaproximaçõesde segunda ordempara atrajetória primal-dual, onformesugeridopor
Megiddo [25℄ e desenvolvido em [21, 23, 29℄. Além disso, o método parte de um ponto
interiorinfa tível, onformeimplementado omsu essoem [24℄. A ontribuiçãodeMehrotra
foi ombinar estas idéias já existentes e adi ionar heurísti as para es olha do parâmetro de
entragem, tamanho dopasso e ponto ini ial.
Embora os métodos de pontos interiores tenham sido originalmente desenvolvidos para
programação onvexa [37℄.
Devidoao tamanhoe ara terísti asespe iaisdos problemas, osmétodos de pontos
inte-rioresmostraram-seuma boaalternativapara osproblemas de uxo de potên iaótimo. Em
1994, Granville props a implementação do método primal-dual barreira logarítmi a para
o problema de despa ho reativo [18℄. Também neste ano, Wu, Debs e Marsten apresentam
o problema de uxo de potên ia ótimo om a variante preditor- orretor do método
primal-dual [41℄. Já em 1998, Torres e Quintana ombinaram estes métodos om a utilização de
oordenadas artesianaspararepresentaratensão[38℄. Atualmenteosmétodosdepontos
in-terioresestãoentre osmaisutilizadosnaáreade sistemasdepotên iadevidoasuavelo idade
erobustez [15, 28, 35℄.
Neste trabalho é proposto um novo método de pontos interiores preditor- orretor om
orreção em todas as ondições de otimalidade para oproblema de uxo de potên iaótimo,
poisautilizaçãode oordenadas artesianas pararepresentar as tensões possibilitao ál ulo
destas orreções. Outra ontribuição deste trabalho é a utilização de uma heurísti a para
tratarasrestriçõesopera ionais demagnitudedas tensões. Para nsde omparação,são
im-plementadososmétodosde trajetória entralepreditor- orretortradi ional,alémdométodo
Fluxo de Potên ia Ótimo
Neste apítulo será apresentado o problema de ál ulo de uxo de potên ia e a partir dele
será formulado oproblema de uxo de potên iaótimo.
2.1 Cál ulo de Fluxo de Potên ia
A formulação do problema de ál ulo de uxo de potên ia será des rita a seguir onforme
[30℄. Na formulação do problema, ada barra da rede é asso iada a quatro variáveis, sendo
queduas delas entram omo dados doproblema e duas omo in ógnitas:
• v
k
,magnitude da tensão;• θ
k
, ângulo datensão;• P
k
, injeção líquida(geração menos arga) de potên iaativa;• Q
k
, injeção líquidade potên ia reativa.Dependendo de quais variáveis nodais entram omo dados e quais são onsideradas
in- ógnitas, denem-se três tiposde barras:
• P V
, são dadosP
k
ev
k
e al uladosQ
k
eθ
k
;• V θ
, são dadosv
k
eθ
k
e al uladosP
k
eQ
k
.As barras do tipo
P Q
eP V
são utilizadas para representar barras de arga e geração,respe tivamente. A barra
V θ
, ou barra de referên ia, tem uma dupla função: forne er areferên iaangulardo sistemae fe har obalanço de potên ia dosistema.
Arepresentaçãomais omumdatensão(
T
k
)utilizadanosestudosde sistemasdepotên iasedáatravés de oordenadas polares:
T
k
= v
k
(
osθ
k
+ j
senθ
k
),
(2.1)onde
j
éa unidade imaginária(j =
√
−1
).Podemostambém representar atensão utilizando oordenadas artesianas:
T
k
= e
k
+ jf
k
,
(2.2)onde
e
k
ef
k
são as omponentes real e imagináriadatensão, respe tivamente.As relações entre ambas representações são:
v
k
=
pe
2
k
+ f
2
k
θ
k
= arctan (f
k
/e
k
)
e
k
= v
k
osθ
k
f
k
= v
k
senθ
k
.
(2.3)Neste trabalho serão utilizadas oordenadas artesianas para representar a tensão, logo
asquatro variáveissão:
• e
k
, parte real datensão;• P
k
, injeção líquidade potên iaativa;• Q
k
, injeção líquidade potên ia reativa.O onjunto de equações do problema de uxo de potên ia é formado por duas equações
para adabarra, orrespondendoàimposiçãodaprimeiraleideKir hho: aspotên iasativas
ereativasinjetadas em ada barra são iguaisà soma dos uxos orrespondentes que deixam
abarra. Isto pode ser expresso matemati amente omo:
P
k
=
X
m∈Ωk
P
km
(e
k
, f
k
, e
m
, f
m
)
Q
k
+ Q
sh
k
(v
k
) =
X
m∈Ωk
Q
km
(e
k
, f
k
, e
m
, f
m
),
(2.4)onde:
Ω
k
representa o onjunto de barras vizinhas da barrak
,P
km
eQ
km
são os uxos depotên ia ativa e reativa no ramo
k − m
, respe tivamente eQ
sh
k
é o omponente da injeçãodevida aoelemento shunt da barra
k
(Q
sh
k
= b
sh
k
v
2
k
).As expressões (2.4) onsideram a seguinte onvenção de sinais: as injeções líquidas de
potên iasão positivasquando entram nabarra (geração) e negativas quando saem dabarra
( arga);osuxosdepotên iasãopositivosquandosaemdabarraenegativosquandoentram;
para os elementos shunt das barras é adotada a mesma onvenção que a usada para as
injeções.
O onjunto de inequações de problema de uxo de potên ia é formado pelas restrições
nas magnitudes das tensões e pelos limites nas injeções de potên ia das barras:
v
min
k
≤ v
k
≤ v
max
k
P
min
k
≤ P
k
≤ P
k
max
Q
min
k
≤ Q
k
≤ Q
max
k
.
(2.5)limitadasapenas nas barras geradoras.
Neste momento identi amos uma diferença nas formulações em oordenadas polares e
artesianas. Oslimites impostos às magnitudes das tensões estão na forma de uma simples
analizaçãodevariáveis,enquantoquenaforma artesianapassaaserumarestriçãofun ional
daforma:
(v
min
k
)
2
≤ e
2
k
+ f
2
k
≤ (v
max
k
)
2
.
(2.6)Essa é a úni a desvantagem da formulação artesiana em relação à polar, e ela perde
importân ia devido ao tratamento e iente de desigualdades propor ionado pelos métodos
de pontos interiores[28, 35℄.
2.1.1 Modelagem das Linhas de Transmissão
As linhas de transmissão são representadas por um modelo denido por três parâmetros:
resistên ia série (
r
km
), reatân ia série (x
km
) e sus eptân ia shunt (b
sh
km
) [30℄. A impedân iasérie (
z
km
)do elementoé:z
km
= r
km
+ jx
km
,
(2.7)enquanto aadmitân ia série (
y
km
) é:y
km
= g
km
+ jb
km
= z
−1
km
=
r
km
r
2
km
+ x
2
km
− j
r
2
x
km
km
+ x
2
km
,
(2.8)ouseja,a ondutân iasérie(
g
km
)easus eptân iasérie(b
km
)sãodadasrespe tivamentepor:g
km
=
r
km
r
2
km
+ x
2
km
eb
km
= −
x
km
r
2
km
+ x
2
km
.
(2.9)A orrente
I
km
é formada de uma omponente série e uma shunt, podendo ser al uladaapartir das tensões
T
k
eT
m
e dos parâmetro dalinha de transmissão:I
km
= y
km
(T
k
− T
m
) + jb
sh
km
T
k
,
(2.10)onde, por denição:
T
k
= e
k
+ jf
k
eT
m
= e
m
+ jf
m
. Analogamente, a orrenteI
mk
é dadapor:
I
mk
= y
mk
(T
m
− T
k
) + jb
sh
km
T
m
.
(2.11)2.1.2 Fluxos de Potên ia Ativa e Reativa
Asexpressões dos uxos de potên iaativa(
P
km
) ereativa(Q
km
) podemser obtidas apartirdo modelo da subseção anterior. A orrente
I
km
de uma linha de transmissão é dada pelaequação(2.10). Ouxo de potên ia omplexa orrespondenteé:
S
km
= P
km
+ jQ
km
= T
k
I
km
= (e
k
+ jf
k
)[(g
km
− jb
km
)(e
k
− jf
k
− e
m
+ jf
m
) − jb
sh
km
(e
k
− jf
k
)].
(2.12)
Os uxos
P
km
eQ
km
são obtidos identi ando-se as partes reais e imaginárias dessaequação,resultando:
P
km
= g
km
(e
2
k
+ f
2
k
− e
k
e
m
− f
k
f
m
) + b
km
(e
k
f
m
− e
m
f
k
)
Q
km
= −b
km
(e
2
k
+ f
2
k
− e
k
e
m
− f
k
f
m
) + g
km
(e
k
f
m
− e
m
f
k
) − b
sh
km
(e
2
k
+ f
2
k
).
(2.13)Osuxos
P
mk
eQ
mk
são obtidos de forma análoga:P
mk
= g
km
(e
2
m
+ f
2
m
− e
m
e
k
− f
m
f
k
) + b
km
(e
m
f
k
− e
k
f
m
)
Q
mk
= −b
km
(e
2
m
+ f
2
m
− e
m
e
k
− f
m
f
k
) + g
km
(e
m
f
k
− e
k
f
m
) − b
sh
km
(e
2
m
+ f
2
m
).
(2.14)P
km
+ P
mk
= g
km
[(e
k
− e
m
)
2
+ (f
k
− f
m
)
2
]
Q
km
+ Q
mk
= −b
km
[(e
k
− e
m
)
2
+ (f
k
− f
m
)
2
] − b
sh
km
(e
2
k
+ f
2
k
+ e
2
m
+ f
2
m
).
(2.15)Assim omo foramdesenvolvidas para aslinhas de transmissão, as expressões dos uxos
de potên ia podem ser generalizadaspara transformadores[30℄:
P
km
= a
2
km
g
km
(e
2
k
+ f
2
k
) − a
km
g
km
(e
k
e
m
+ f
k
f
m
) + a
km
b
km
(e
k
f
m
− e
m
f
k
)
Q
km
= −a
2
km
(b
km
+ b
sh
km
)(e
2
k
+ f
2
k
) + a
km
g
km
(e
k
f
m
− e
m
f
k
) + a
km
b
km
(e
k
e
m
− f
k
f
m
).
(2.16)Para os transformadores em-fase o número real
a
km
é a relação de transformação,o-nhe ida omo tap. No aso das linhas de transmissão, temos
a
km
= 1
. Neste trabalho nãoonsideraremos transformadoresdefasadores, onde
a
km
é um número omplexo.2.1.3 Formulação Matri ial
A injeção líquida de orrente na barra
k
pode ser obtida apli ando-se a primeira lei deKir hho aeste modelo:
I
k
+ I
k
sh
=
X
m∈Ωk
I
km
.
(2.17)A orrente
I
km
pode ser expressa de formageral omo:I
km
= (a
2
km
y
km
+ jb
sh
km
)T
k
− a
km
y
km
T
m
.
(2.18)Considerando
I
km
dadoem(2.18),aexpressão(2.17)podeserrees ritadaseguinteforma:I
k
=
"
jb
sh
k
+
X
m∈Ωk
(jb
sh
km
+ a
2
km
y
km
)
#
T
k
+
X
m∈Ωk
(−a
km
y
km
)T
m
.
(2.19)I = Y T,
(2.20)onde:
I
é ovetor das orrentes, ujas omponentes sãoI
k
;T
é o vetor das tensões, ujas omponentes sãoT
k
;Y = G + jB
é a matriz admitân ia nodal, sendoG
a matriz ondutân ia eB
a matriz sus eptân ia.Des onsiderando transformadores defasadores, os elementos da matriz
Y
são:Y
km
= −a
km
y
km
(
parak 6= m),
Y
kk
= jb
sh
k
+
X
m∈Ωk
(jb
sh
km
+ a
2
km
y
km
).
(2.21)Emgeral, essa matrizé esparsa, pois
Y
km
= 0
sempre que não existirem linhas outrans-formadores entre as barras
k
em
. Se a rede for formada apenas por linhas de transmissãoe transformadores em fase, a matriz
Y
será simétri a. A presença de transformadoresde-fasadorestorna a matrizassimétri a [30℄.
A injeção de orrente
I
k
, que é ak
-ésima omponente do vetorI
, pode ser es rita naforma:
I
k
= Y
kk
T
k
+
X
m∈Ωk
Y
km
T
m
=
X
m∈K
Y
km
T
m
,
(2.22)onde
K
é o onjunto de todas as barrasm
adja entes à barrak
, in luindo ela própria(
K = {k} ∪ Ω
k
).I
k
=
X
m∈K
(G
km
+ jB
km
)(e
m
+ jf
m
).
(2.23)A injeção de potên ia omplexa é:
S
k
= P
k
+ jQ
k
= T
k
I
k
.
(2.24) Substituindo-se (2.23) em (2.24) obtem-se:S
k
= (e
k
+ jf
k
)
X
m∈K
(G
km
− jB
km
)(e
m
− jf
m
).
(2.25)As injeçõesde potên ia ativaereativapodem ser obtidasidenti ando-se aspartes reais
eimagináriasde (2.25):
P
k
=
X
m∈K
(e
k
G
km
e
m
+ f
k
G
km
f
m
+ f
k
B
km
e
m
− e
k
B
km
f
m
),
Q
k
=
X
m∈K
(f
k
G
km
e
m
− e
k
G
km
f
m
− e
k
B
km
e
m
− f
k
B
km
f
m
).
(2.26)Considerando todas asbarras, (2.26)pode ser representada naformamatri ial:
P = EGe + F Gf + F Be − EBf,
Q = F Ge − EGf − EBe − F Bf,
(2.27)
onde:
P
representa o vetor de injeçõesde potên iaativa, ujas omponentes sãoP
k
;Q
representa o vetor de injeçõesde potên ia reativa, ujas omponentes sãoQ
k
;e
representao vetor daparte real das tensões, ujas omponentes sãoe
k
;E = diag(e)
eF = diag(f )
.2.2 Fluxo de Potên ia Ótimo
Oproblema de uxo de potên ia ótimo onsiste em determinar o estado de operação ótimo
de um sistema elétri o de geração/transmissão de potên ia. A função objetivo representa
algum ritério de desempenho da operação dos sistemas elétri os e as restrições são dadas
pelas equaçõesde uxo de potên iada seçãoanterior e pelos limites das variáveis [37℄.
A denição dos onjuntos de índi es aseguir será útilpara a formulação doproblema:
Nrepresenta todas as barras dosistema;
Crepresenta asbarras de arga;
G representa as barrasde geraçãode potên iaativa;
R representa as barras de ontrole de potên ia reativa.
Considerandoosvetoresdapartereal(
e
)eimaginária(f
)datensão,serádenidoovetor:x =
e
f
.
(2.28)2.2.1 Fluxo de Potên ia Ótimo Ativo-Reativo
Umproblema de uxo de potên iaótimo ativo-reativopode ser formulado omo:
min φ(x)
s.aP
k
(x) + P
Ck
− P
Gk
= 0
∀k ∈
CQ
k
(x) + Q
C
k
− Q
G
k
= 0
∀k ∈
C(v
min
k
)
2
≤ V
k
(x) ≤ (v
k
max
)
2
∀k ∈
NP
min
k
≤ P
k
(x) ≤ P
k
max
∀k ∈
GQ
min
k
≤ Q
k
(x) ≤ Q
max
k
∀k ∈
R,
(2.29)V
k
representa o quadradoda magnitudeda tensãona barrak
;P
Ck
representa a demanda de potên iaativana barrak
;Q
C
k
representa ademanda de potên ia reativa nabarrak
;P
G
k
representa a geraçãode potên iaativa nabarrak
;Q
Gk
representa ageração de potên ia reativa nabarrak
;v
min
k
ev
max
k
representam oslimites datensão na barrak
;P
min
k
eP
max
k
representam os limitesde injeção de potên ia ativana barrak
;Q
min
k
eQ
max
k
representam os limites de injeção de potên iareativana barrak
.A função
V
k
, querepresenta oquadradoda magnitudedatensão nabarrak
, é dadapor:V
k
(x) = e
2
k
+ f
2
k
,
(2.30)ouainda, naformamatri ial:
V = Ee + F f.
(2.31)Afunção objetivo representa ritériosde desempenhodaoperaçãodos sistemas elétri os,
tais omo: diferença entre a injeção de potên ia ativa e uma dada injeção desejada (
φ
1
),injeção de potên ia ativa na barra de referên ia (
φ
2
), perdas de potên ia ativa nas linhas(
φ
3
),entre outros[37℄.As funçõesobjetivo a ima são dadas por:
φ
1
(x) =
1
2
X
k
h
k
"
X
m∈K
P
km
− P
k
esp
#
2
∀k ∈
Gφ
2
(x) =
X
m∈K
P
km
k = ˜
Nφ
3
(x) =
X
m∈K
(P
km
+ P
mk
)
∀k ∈
N,
(2.32)onde
h
k
é o peso rela ionado om a geraçãonabarrak
,P
esp
k
representa ainjeção líquidadepotên iaativaespe i adaparaabarra
k
eN˜
éoíndi equerepresentaabarradereferên ia.Ou ainda, naformamatri ial:
φ
1
(x) =
1
2
[P (x) − P
esp
]
t
H[P (x) − P
esp
]
φ
2
(x) = (EGe + F Gf + F Be − EBf)
N
˜
φ
3
(x) = e
t
Ge + f
t
Gf
(2.33)
Métodos de Pontos Interiores
Neste apítulo serão apresentados os métodos de pontos interiores. Os métodos
primais-duais am-es ala,de trajetória entrale preditor- orretorsão desenvolvidos para problemas
de programaçãolinear. Emseguida,os métodos de trajetória entrale preditor- orretor são
generalizadospara o problema de programaçãonão-linear.
3.1 Método de Newton
O método de Newton onsiste na forma mais simples de desenvolver os métodos de pontos
interioresdotipoprimal-dual[40℄. Nesta seção ométodoserádes ritobrevemente onforme
[39℄. Dada afunção:
F (x) =
F
1
(x)
F
2
(x)
. . .F
n
(x)
ex =
x
1
x
2
. . .x
n
,
F : R
n
→ R
n
, um problema omum é en ontrar um ponto
x
∗
∈ R
n
tal que
F (x
∗
) = 0
, ou
seja, en ontrar uma raiz de
F
. O método de Newton é um método iterativo desenvolvidopara resolver este problema. Dadoqualquer
x ∈ R
n
, o objetivo é en ontrar uma direçãode
bus a
d
talqueF (x + d) = 0
. Assim, bus amos aproximaresta direção pelos dois primeirostermosda expansãoda série de Taylor:
F (x + d) ≈ F (x) + J(x)d,
(3.1)onde
J(x)
é a matrizJa obiana deF
no pontox
:J(x) =
∂F
1
∂x
1
∂F
1
∂x
2
· · ·
∂F
1
∂x
n
∂F
2
∂x
1
∂F
2
∂x
2
· · ·
∂F
2
∂x
n
. . . . . . . . . . . .∂F
n
∂x
1
∂F
n
∂x
2
· · ·
∂F
n
∂x
n
.
Aaproximaçãoé linearem
d
. Logo,igualando(3.1) azero,temos um sistemalinear ujasolução orresponde a direçãode bus a:
J(x)d = −F (x).
(3.2)Cal ulado
d = −[J(x)]
−1
F (x)
, ométodode Newton atualizaaaproximação atual
substi-tuindo
x
porx + d
. Este pro esso ontinuaaté obter uma solução su ientemente próximade uma raiz (
F (x) ≈ 0
). Assimtemos um métodoiterativodaforma:x
k+1
= x
k
−
J(x
k
)
−1
Em um problema de programação linear o objetivo é minimizar uma função linear, ujas
variáveis estão sujeitas à restrições também lineares. Um ponto interior é aquele em que
todas as variáveis não negativas seen ontram estritamente dentro de seus limites.
Um problema de programaçãolinear pode ser representado por[32℄:
min
c
t
x
s.aAx = b
x ≥ 0,
(3.4) ondec, x ∈ R
n
,A ∈ R
m×n
eb ∈ R
m
.Oproblema (3.4) está asso iado ao problema dual, dadopor:
max
b
t
y
s.aA
t
y + z = c
z ≥ 0, y
livre,
(3.5) ondey ∈ R
m
ez ∈ R
n
. Por denição, um ponto
(x, z, y)
é interior se(x, z) > 0
.Um ponto
(x, z, y)
é ótimo para os problemas (3.4) e (3.5) se, e somente se, as seguintesondiçõesde otimalidade são satisfeitas [32℄:
•
fa tibilidadeprimal:Ax − b = 0, x ≥ 0
,•
fa tibilidadedual:A
t
y + z − c = 0, z ≥ 0
e
•
omplementaridade:x
i
z
i
= 0, i = 1, . . . , n
.Denimos
γ
omo a diferença entre os valores da função objetivo do problema primal edual. No asodas formulaçõesdadaspor(3.4)e(3.5),temos:
γ = c
t
x − b
t
y = x
t
z
,seoponto
Sejao problema om a formulação primale dual dada por (3.4) e (3.5),respe tivamente. A
idéiapara onstruirummétododepontos interiores onsisteem apli arométodode Newton
aosistema formadopelas ondiçõesde otimalidade. Temos que
F (x, y, z)
é dada por:F (x, z, y) =
Ax − b
A
t
y + z − c
XZu
= 0,
(3.6)onde
X =
diag(x)
,Z =
diag(z)
eu
representa o vetor em que todos oselementos tem valorunitário. Usando essa notação, as equações
x
i
z
i
= 0
são representadas porXZu = 0
.Dado um ponto ini ial
(x
0
, z
0
, y
0
)
e des onsiderando as restriçõesx ≥ 0
ez ≥ 0
, al u-lamoso ponto(x
1
, z
1
, y
1
)
utilizandoo métodode Newton:(x
1
, z
1
, y
1
) = (x
0
, z
0
, y
0
) −
J(x
0
, z
0
, y
0
)
−1
F (x
0
, z
0
, y
0
),
(3.7) onde:J(x
0
, z
0
, y
0
) =
A
0
0
0
I
A
t
Z X
0
.
Assim,d
0
é soluçãodo sistemalinear:
A
0
0
0
I
A
t
Z
0
X
0
0
∆x
0
∆z
0
∆y
0
= −
r
0
1
r
0
2
r
0
3
.
(3.8)Generalizando, dado
(x
k
, z
k
, y
k
)
, adireçãode Newton
d
k
é dada pelasoluçãodosistema:
A
0
0
0
I
A
t
Z
k
X
k
0
∆x
k
∆z
k
∆y
k
= −
r
k
1
r
k
2
r
k
3
,
(3.9) onde:r
k
1
= Ax
k
− b
r
k
2
= A
t
y
k
+ z
k
− c
r
k
3
= X
k
Z
k
u.
Método 3.1 MétodoPrimal-Dual Am-Es ala
Entradas:
(x
0
, z
0
) > 0
,y
0
eτ ∈ (0, 1)
. Parak = 0, 1, 2, . . .
faça [1℄ Cal uler
k
1
,r
k
2
er
k
3
.[2℄ Resolva(3.9) para obter adireção de Newton
d
k
.
[3℄ Cal uleo tamanho dopasso
α
k
tal que(x
k+1
, z
k+1
) > 0
. [4℄ Cal ule(x
k+1
, z
k+1
, y
k+1
) = (x
k
, z
k
, y
k
) + α
k
(∆x
k
, ∆z
k
, ∆y
k
)
. Fim Observe queα
k
é al ulado de formaque
(x
k+1
, z
k+1
)
seja interior. Assim:
α
k
= min(1, τ α
k
1
, τ α
k
2
),
(3.10) onde:α
k
1
= min
i
−x
k
i
∆x
k
i
| ∆x
k
i
< 0
α
k
2
= min
i
−z
k
i
∆z
k
i
| ∆z
k
i
< 0
e
τ ∈ (0, 1)
. O ál ulo separado do tamanho dos passos primal e dual pode impli ar naonvergên ia em menos iterações [24℄. Na práti a, adota-se o tamanho máximo do passo
α
k
= 1
porque este é o tamanho de passo natural dométodode Newton.
3.2.2 Método de Trajetória Central
O método am-es ala apresentado na seção anterior possui uma grande desvantagem, pois
permite que os pontos
(x, z)
al ulados se aproximem de seus limites muito rapidamente.Consequentemente, asdireçõesobtidaspertodesteslimitessãomuitodistor idas,poisovalor
de alguns pares
x
i
z
i
se torna próximo de zero rapidamente eo métodoprogridelentamente,podendoin lusivenão onvergir. Paraevitarqueistoa onteça,a res entamosa adaiteração
k
uma perturbaçãoµ
k
> 0
nas ondições de omplementaridade.
Dadaasformulaçõesprimal(3.4)edual(3.5)doproblema,podemoses reveras ondições
de otimalidade,adi ionando uma perturbação
µ
nas ondiçõesde omplementaridade:•
fa tibilidadeprimal:Ax − b = 0, x ≥ 0
,•
fa tibilidadedual:A
t
y + z − c = 0, z ≥ 0
e
•
omplementaridade:XZu = µu
. Dado(x
k
, z
k
, y
k
)
, adireção de Newtond
k
éa solução dosistema:
A
0
0
0
I
A
t
Z
k
X
k
0
∆x
k
∆z
k
∆y
k
= −
r
k
1
r
k
2
r
k
3
,
(3.11)r
k
3
= X
k
Z
k
u − µ
k
u.
Método 3.2 Métodode Trajetória Central
Entradas:
(x
0
, z
0
) > 0
,y
0
livre,σ ∈ (0, 1)
eτ ∈ (0, 1)
. Parak = 0, 1, 2, . . .
faça [1℄ Cal uleµ
k
. [2℄ Cal uleos resíduosr
k
1
,r
k
2
er
k
3
.[3℄ Resolva(3.11) para obter adireção de Newton
d
k
.
[4℄ Cal uleo tamanho dopasso
α
k
tal que(x
k+1
, z
k+1
) > 0
. [5℄ Cal ule(x
k+1
, z
k+1
, y
k+1
) = (x
k
, z
k
, y
k
) + α
k
(∆x
k
, ∆z
k
, ∆y
k
)
. Fim Ovalordeµ
k
é dado pelafórmula[32℄:
µ
k
= σρ
k
,
(3.12)
onde
ρ
k
representaa média dos produtos
x
k
i
z
k
i
, istoé,ρ
k
= γ
k
/n = (x
k
)
t
z
k
/n
.
3.2.3 Método Preditor-Corretor
Ométodopreditor- orretor desenvolvidoporMehrotra[26℄ onsiste emutilizar umadireção
que ontempla três omponentes:
•
direçãoam-es ala (direçãopreditora oude Newton),•
direçãode entragem, ujotamanho é determinadopelaperturbaçãoµ
eoprogresso for grande,a perturbação
µ
é pequena. Caso ontrário, é onveniente aumentaropeso dadireção de entragem,tal quea perturbação
µ
seja maior.Umavez queumasegunda direçãoé al ulada,também al ulamosa orreção não linear
utilizando a mesma matriz Ja obiana, para que o esforço omputa ional por iteração não
duplique.
Dado
(x
k
, z
k
, y
k
)
, primeiroen ontramos a direçãoam
˜
d
k
(µ = 0
):
A
0
0
0
I
A
t
Z
k
X
k
0
∆˜
x
k
∆˜
z
k
∆˜
y
k
= −
r
k
1
r
k
2
r
k
3
.
(3.13)Emseguida al ulamosa orreção noponto
(˜
x, ˜
z, ˜
y) = (x + ∆˜
x, z + ∆˜
z, y + ∆˜
y)
. Para asequações primais:
A˜
x − b = A(x + ∆˜x) − b
= Ax + A∆˜
x − b
= Ax − b − (Ax − b)
= 0.
Para as equações duais:
A
t
y + ˜
˜
z − c = A
t
(y + ∆˜
y) + (z + ∆˜
z) − c
= A
t
y + A
t
∆˜
y + z + ∆˜
z − c
= A
t
y + z − c − (A
t
y + z − c)
= 0.
˜
X ˜
Zu = (X + ∆ ˜
X)(Z + ∆ ˜
Z)u
= XZu + X∆ ˜
Zu + ∆ ˜
XZu + ∆ ˜
X∆ ˜
Zu
= XZu + X∆˜
z + Z∆˜
x + ∆ ˜
X∆ ˜
Zu
= XZu − XZu + ∆ ˜
X∆ ˜
Zu
= ∆ ˜
X∆ ˜
Zu.
Usando a mesma Ja obiana para al ular a direção de orreção
d
ˆ
k
= (∆ˆ
x, ∆ˆ
z, ∆ˆ
y)
no
ponto
(˜
x, ˜
z, ˜
y)
etambém introduzindo a perturbação de entragemµ
, temos:
A
0
0
0
I
A
t
Z
k
X
k
0
∆ˆ
x
k
∆ˆ
z
k
∆ˆ
y
k
= −
0
0
∆ ˜
X
k
∆ ˜
Z
k
u − µ
k
u
.
(3.14) A direçãod
k
a ser usada é asoma das duas direções:
d
k
= ˜
d
k
+ ˆ
d
k
. Ao invés de al ular
(3.14)e depoissomar asdireções, podemos somaros dois sistemas[40℄:
A
0
0
0
I
A
t
Z
k
X
k
0
∆x
k
∆z
k
∆y
k
= −
r
k
1
r
k
2
˜
r
k
3
,
(3.15) onde:˜
r
k
3
= X
k
Z
k
u + ∆ ˜
X
k
∆ ˜
Z
k
u − µ
k
u.
Para o ál ulodeµ
k
,denimosρ
˜
k
omosendoovalormédiodosprodutos
x
˜
i
z
˜
i
seusarmosadireçãoam. Se
ρ
˜
k
≪ ρ
k
,adireçãoaméumaboadireçãode bus aetomamos
µ
k
Entradas:
(x
0
, z
0
) > 0
,y
0
livre eτ ∈ (0, 1)
. Parak = 0, 1, 2, . . .
faça [1℄ Cal uleos resíduosr
k
1
,r
k
2
er
k
3
.[2℄ Resolva(3.13) para obter adireção am-es ala
d
˜
k
.
[3℄ Cal uleo tamanho dopasso
α
˜
k
tal que(˜
x
k+1
, ˜
z
k+1
) > 0
. [4℄ Cal uleµ
k
. [5℄ Cal uleo resíduor
˜
k
3
.[6℄ Resolva(3.15) para obter adireção de Newton
d
k
.
[7℄ Cal uleo tamanho dopasso
α
k
tal que(x
k+1
, z
k+1
) > 0
. [8℄ Cal ule(x
k+1
, z
k+1
, y
k+1
) = (x
k
, z
k
, y
k
) + α
k
(∆x
k
, ∆z
k
, ∆y
k
)
. Fim de0
. Seρ
˜
k
é apenas um pou o menor que
ρ
k
, tomamos
µ
k
próximo de
1
[40℄. Para isto,Mehrotrasugere aseguinteheurísti a [26℄:
µ
k
= σ
k
ρ
k
,
(3.16) onde:σ
k
=
˜
ρ
k
ρ
k
3
˜
ρ
k
= (x
k
+ ˜
α∆˜
x)
t
(z
k
+ ˜
α∆˜
z)/n.
Apenas uma de omposiçãoé al uladaa adaiteração,poisamesmamatrizJa obiana é
utilizadanaresoluçãodos doissistemaslineares. Assim, ométodopreditor- orretorpodeser
obtido om uma pequena modi ação do métodode trajetória entral, om usto
omputa- ional adi ional relativamente baixo, mas om ganho signi ativo no número de iterações
bus a, envolve uma eliminação de variáveis, resultando na maioria das implementações em
umsistemasimétri odenidopositivodedimensãomenor[40℄. Alémdisso,todososmétodos
apresentados nesta seção podem ser fa ilmentegeneralizados para problemas om variáveis
analizadasna formulação(3.4).
3.2.4 Cál ulo da Direção de Newton
A direçãode Newton pode ser obtidaresolvendo diretamenteo sistema:
A
0
0
0
I
A
t
Z X
0
∆x
∆z
∆y
= −
r
1
r
2
r
3
,
(3.17)ouresolvendo o sistemareduzido:
A(Z
−1
X)A
t
∆y = −r
1
+ A(−Z
−1
Xr
2
+ Z
−1
r
3
)
(3.18)edepois al ulando:
∆z = −r
2
− A
t
∆y
∆x = −Z
−1
(r
3
+ X∆z).
Esta eliminação de variáveis obtem um sistema denido positivo de dimensão menor e
Umproblema de programaçãonão-linear pode ser representado por:
min f (x)
s.ag(x) = 0
h
min
≤ h(x) ≤ h
max
,
(3.19) ondex ∈ R
n
,h
min
, h
max
∈ R
p
ef : R
n
→ R
,g : R
n
→ R
m
eh : R
n
→ R
p
são funções ontínuas ederiváveis.Introduzindo asvariáveis de folganas inequações, temos:
min f (x)
s.ag(x) = 0
h(x) + s
1
= h
max
h(x) − s
2
= h
min
(s
1
, s
2
) ≥ 0,
(3.20) ondes
1
, s
2
∈ R
p
.A ondição de nãonegatividade dasvariáveisde folgapode ser impostaadi ionandouma
barreiralogarítmi aà função objetivo [32℄:
min f (x) − µ
p
X
i=1
(ln s
1i
+ ln s
2i
)
s.ag(x) = 0
s
1
+ h(x) − h
max
= 0
s
2
− h(x) + h
min
= 0.
(3.21)de parâmetros de barreirapositivos
µ
onverge para zero.Assim, a função Lagrangianado problema (3.21) é:
L = f (x) − µ
p
X
i=1
(ln s
1i
+ ln s
2i
)+
+y
t
g(x) + z
t
1
(s
1
+ h(x) − h
max
) + z
2
t
(s
2
− h(x) + h
min
),
(3.22) ondey ∈ R
m
ez
1
, z
2
∈ R
p
são asvariáveisduais hamadas de multipli adoresde Lagrange.
Um mínimo lo al de (3.21) pode ser expresso omo um ponto esta ionário de
L
e devesatisfazeras ondições ne essáriasde primeiraordem (KKT):
∇
x
L = ∇
x
f (x) + J
g
(x)
t
y + J
h
(x)
t
z
1
− J
h
(x)
t
z
2
= 0
∇
s
1
L = z
1
− µS
−1
1
u = 0
∇
s
2
L = z
2
− µS
−1
2
u = 0
∇
y
L = g(x) = 0
∇
z
1
L = s
1
+ h(x) − h
max
= 0
∇
z
2
L = s
2
− h(x) + h
min
= 0,
(3.23) onde∇
x
f (x) ∈ R
n
é o gradiente def (x)
,J
g
(x) ∈ R
m×n
é a matriz Ja obiana deg(x)
eJ
h
(x) ∈ R
p×n
é a matriz Ja obiana de
h(x)
. AssimJ
g
(x)
t
y =
P
m
i=1
y
i
∇g
i
(x)
,J
h
(x)
t
z
1
=
P
p
i=1
z
1
i
∇h
i
(x)
eJ
h
(x)
t
z
2
=
P
p
i=1
z
2
i
∇h
i
(x)
. NovamenteanotaçãoS
1
=
diag(s
1
)
,S
2
=
diag(s
2
)
,Z
1
=
diag(z
1
)
eZ
2
=
diag(z
2
)
é utilizadaeu ∈ R
p
representa o vetor em que
todos os elementos tem valorunitário.
∇
x
f (x) + J
g
(x)
t
y + J
h
(x)
t
z
1
− J
h
(x)
t
z
2
S
1
Z
1
u − µu
S
2
Z
2
u − µu
g(x)
s
1
+ h(x) − h
max
s
2
− h(x) + h
min
= 0,
(3.24) om(s
1
, s
2
) > 0
e onsequentemente(z
1
, z
2
) > 0
.3.3.1 Método de Trajetória Central
Analogamente àprogramação linear,apli amoso métodode Newton aosistema (3.24):
∇
2
xx
L
0
0
J
g
(x)
t
J
h
(x)
t
−J
h
(x)
t
0
Z
1
0
0
S
1
0
0
0
Z
2
0
0
S
2
J
g
(x)
0
0
0
0
0
J
h
(x)
I
0
0
0
0
−J
h
(x)
0
I
0
0
0
∆x
∆s
1
∆s
2
∆y
∆z
1
∆z
2
= −
r
1
r
2
r
3
r
4
r
5
r
6
,
(3.25)∇
2
xx
L = ∇
2
xx
f (x) +
P
m
i=1
∇
2
xx
g
i
(x)y
i
+
P
p
i=1
∇
2
xx
h
i
(x)z
1
i
−
P
p
i=1
∇
2
xx
h
i
(x)z
2
i
r
1
= ∇
x
f (x) + J
g
(x)
t
y + J
h
(x)
t
z
1
− J
h
(x)
t
z
2
r
2
= S
1
Z
1
u − µu
r
3
= S
2
Z
2
u − µu
r
4
= g(x)
r
5
= s
1
+ h(x) − h
max
r
6
= s
2
− h(x) + h
min
.
Ao ontrário de programaçãolinear (onde
σ
é xo), o parâmetroσ
k
pode ser atualizado
na fórmula (3.16) em função do gap de omplementaridade
s
t
1
z
1
+ s
t
2
z
2
após ada iteração.Neste trabalho, a atualizaçãoserá feita através daheurísti a [12℄:
σ
k
= min(0, 2; 100(s
t
1
z
1
+ s
t
2
z
2
)).
(3.26)3.3.2 Método Preditor-Corretor
Analogamente àprogramação linear, al ulamos ini ialmentea direçãoam