Metodos de Resolucao

IT743 – Cálculo de Fluxo de Carga
Capı́tulo 3
Métodos de resolução do problema de fluxo de carga
Carlos A. Castro
DSE/FEEC/UNICAMP
Carlos A. Castro IT743 – Métodos de resolução 1/81

Métodos iterativos baseados na matriz Y
Baseados na resolução do sistema de equações lineares
I =YE
de maneira iterativa
Exemplos
Jacobi Glimn-Stagg
Gauss-Seidel Ward-Hale . . .

Métodos de Jacobi e Gauss-Seidel
Considere o sistema de n equações algébricas lineares:
Ax =b
para o qual é ressaltada a linha i (equação i):
i Aii xi bi
: =
A x b
Para a linha i e para todas as demais, pode-se escrever:
n
i = 1; : : : ; n
X
Aij xj = bi
j=1
Separando o termo em que j = i da somatória:
n
X
Aii xi + Aij xj = bi i = 1; : : : ; n
6
j=1;j =i

Resolvendo para xi tem-se:

 
n
1 
bi
X
xi = Aij xj  i = 1; : : : ; n
Aii
6
j=1;j =i
Cada incógnita xi é expressa em função das demais!

Isto sugere um processo iterativo do tipo:
Arbitre valores iniciais para xi0 ; i = 1; : : : ; n
Substitua os valores de xi0 no termo do lado direito da equação e

calcule os novos valores de xi1 (lado esquerdo da equação)
 
n
1 
bi
X
xi1 = Aij xj0  i = 1; : : : ; n
Aii
6
j=1;j =i

Substitua os valores de xi1 no termo do lado direito da equação e

calcule os novos valores de xi2 (lado esquerdo da equação)
 
n
1
bi
X
xi2 = Aij xj1  i = 1; : : : ; n
Aii
6
j=1;j =i

parando quando os valores de xi convergirem para a solução
O processo iterativo implica na geração de uma sequência de

valores para as incógnitas, começando por valores iniciais
arbitrados:
xi0 ! xi1 ! xi2

Para uma iteração (m + 1), o processo iterativo pode ser definido

como:
 
n
1 
bi i = 1; : : : ; n
(m+1)
X (m) 
xi = Aij xj
Aii
6
j=1;j =i
Método de Jacobi
(m+1) (m)
Para a obtenção de xi são utilizados os valores de xi
(todos os valores da iteração anterior) – block substitution

Uma forma alternativa para o processo iterativo é:
 
i 1 n
1 
bi
X X
i = 1; : : : ; n
(m+1) (m+1) (m) 
xi = Aij xj Aij xj
Aii
j=1 j=i+1
Método de Gauss-Seidel
(m+1)
Para a obtenção de xi são utilizados os valores mais re-
centes disponı́veis dos elementos do vetor x

Exemplo
Processos iterativos utilizando os métodos de Jacobi e

Gauss-Seidel para n = 3:
Jacobi Gauss-Seidel
1 h
1 h

i i
(m+1) (m) (m) (m+1) (m) (m)
x1 = b1 A12 x2 + A13 x3 x1 = b1 A12 x2 + A13 x3
A11 A11
1 h
1 h

i i
(m+1) (m) (m) (m+1) (m+1) (m)
x2 = b2 A21 x1 + A23 x3 x2 = b2 A21 x1 + A23 x3
A22 A22
1
1

h i h i
(m+1) (m) (m) (m+1) (m+1) (m+1)
x3 = b3 A31 x1 + A32 x2 x3 = b3 A31 x1 + A32 x2
A33 A33

A ideia geral desses métodos iterativos (métodos de relaxação) é

converter o sistema de equações:
Ax =b
em:
x = C x + g = ' (x)
em que C é uma matriz (n n), g é um vetor (n 1) e ' (x) é

uma função de iteração matricial

Esta formulação sugere um processo iterativo
A matriz A pode ser colocada na forma:
A = L+D+U
em que L é uma matriz que contém os elementos abaixo da

diagonal (Lower triangle) de A, D é uma matriz que contém os
elementos da diagonal de A, e U é uma matriz que contém os
elementos acima da diagonal (Upper triangle) de A

Por outro lado, pode-se considerar:
Ax =b
Ax =b + Mx Mx
M x = (M A) x + b
x =M 1
(M A) x + M 1
b
x k +1 = M
|
1
(M
{z
A) x k + |M {z
}
1
b}
C g

Se M = D, a equação de Jacobi pode ser escrita na forma matricial

como:
x (k +1) = D 1
(L + U) x (k ) + |D {z1 b}
| {z }
C g
Se M = (L + D), a equação de Gauss-Seidel fica:
1 1
x (k +1) = (L + D) U x (k ) + (L + D) b
| {z } | {z }
C g

A convergência pode ser acelerada através da utilização de

parâmetros de aceleração
O método mais popular é o chamado método SOR (successive

overrelaxation)
Para o método de Gauss-Seidel:

 
i 1 n
1 
bi
X X
i = 1; : : : ; n
(m+1) (m+1) (m) 
zi = Aij xj Aij xj
Aii
j=1 j=i+1
= ! zi !)xi(m) i = 1; : : : ; n
(m+1) (m+1)
xi + (1

Para ! = 1, tem-se o método de Gauss-Seidel sem aceleração
A aceleração corresponde a uma extrapolação:
x (m+1)
z (m+1)
x (m+1) = x (m) + ! z (m+1)

x (m)
= x (m) + ! ∆x x (m)
∆x
! ∆x

Para cada problema existe um ! ótimo, mas para a maioria dos

problemas práticos, valores aproximados (empı́ricos) são
escolhidos. Em geral, o esforço de obtenção não compensa
Número de iterações
! !

Exercı́cio(s) proposto(s): (1)

Prazo de entrega: duas semanas

Resolução do problema de fluxo de carga pelo método de Gauss-Seidel
Os sistemas de potência podem ser modelados como um sistema

de equações algébricas lineares:
I =YE
Tomando o elemento k do vetor independente I:
E1
X X
:::
Ik = Ykj Ej = Ykj Ej + Ykk Ek k Ik
=
Yk 1 Ykn
..
.
j 2K 2
j Ωk
En
I Y E
em que Ωk é o conjunto de barras vizinhas da barra k e K é o

conjunto das barras em Ωk mais a própria barra k
Resolução do problema de fluxo de carga pelo método de Gauss-Seidel
A tensão Ek é obtida por:

 
1 
Ik
X
Ek = Ykj Ej 
Ykk
2
j Ωk
Utilizando o método de Gauss-Seidel tem-se, para uma iteração

(m + 1):
 
kX1 NB
1 
Ik
(m+1) (m+1)
X (m) 
Ek = Ykj Ej Ykj Ej
Ykk
j=1 j=k +1
em que NB é o número total de barras

Resolução do problema de fluxo de carga pelo método de Glimn-Stagg
Neste caso, relaciona-se as tensões nodais com as potências
Tomando a barra k:
Sk = Ek Ik = Ek Ykj Ej = Ek Ykj Ej + Ek Ykk Ek

X X
j 2K 2
j Ωk
em que Ωk é o conjunto de barras vizinhas da barra k e K é o

conjunto das barras em Ωk mais a própria barra k

A tensão Ek é obtida por:

 
1  Sk
E
X
Ek = Ykj Ej 
Ykk k 2
j Ωk
Utilizando o método de Gauss-Seidel tem-se, para uma iteração

(m + 1):
 
kX1 NB
1
 (m)k
S
(m+1) (m+1)
X (m)
Ek = Ykj Ej Ykj Ej 
Ykk E k j=1 j=k +1
em que NB é o número total de barras

(m+1)
O valor de Sk utilizado na expressão de Ek depende do tipo de
barra:
Se a barra for PQ, Sk é especificado
Se a barra for PV, somente Pk é especificado (Qk é calculado).

Então, estima-se Qk com base nos valores atuais das tensões
Se a barra for slack, a tensão não é atualizada

Se a barra for PV, somente o ângulo de fase da tensão é atualizado

Exemplo
Considere a rede de duas barras e uma linha de transmissão

mostrada a seguir.
Dados
E1 E2
z E1 = 1;0112 0Æ pu\
S1 S2 z = 0;01 + j 0;05 pu
S2 = (1;0 + j 0) pu
1 2
referência carga

A matriz admitância nodal da rede é:
3;8462 j 19;2308 3;8462 + j 19;2308

Y=
3;8462 + j 19;2308 3;8462 j 19;2308
A atualização da tensão E2 é realizada por:

" ! #
(m+1) 1 S2
E2 = (m)
Y21 E1
Y22 E 2

O resultado do processo iterativo é:
Iteração E2 [pu]
0 1+j0
1 1;0012 j 0;0500
2 0;9987 j 0;0493
3 0;9987 j 0;0494
4 0;9987 j 0;0494 Solução: E2 = 1 \ 2;8Æ pu
A potência na barra de referência é:

S1 = E1 I12 = E1
1
(E 1 E2 ) = 1;01 + j 0;05 pu
z

Aceleração também pode ser usada para a solução de redes

elétricas, onde normalmente se escolhe um fator de aceleração:
1<! <2
Uma boa escolha de ! pode resultar em uma taxa de
convergência de até duas vezes a original

Exercı́cio(s) proposto(s): (2) , (3)


Avaliação dos métodos baseados na matriz Y
Método simples
Número de elementos da somatória é pequeno (valor tı́pico é 3)
Pequeno espaço de armazenamento é necessário. No caso do

método de Gauss-Seidel os valores da iteração anterior não
precisam ser armazenados
Pequeno número de cálculos por iteração
Convergência lenta

O método converge se Y é diagonal dominante:
n
j Yij j<j Yii j
X
i = 1; : : : ; n
6
j=1;j =i
Em sistemas elétricos esta caracterı́stica é normalmente encontrada

Entre os fatores que podem afetar a dominância diagonal e também

a convergência do método estão:
junção de impedâncias série muito grandes e pequenas
capacitâncias grandes (como em cabos)
linhas EHV longas
compensação série e shunt

A escolha da barra de referência afeta as caracterı́sticas de

convergência
A melhor escolha é a barra para a qual sua linha é a menos

dominante diagonalmente
Quanto maior a rede, os métodos baseados na matriz Y se tornam

menos competitivos em relação a outros métodos

Opcional:
Obtenha o estado de operação da rede de referência pelos

métodos de Jacobi e Gauss-Seidel.

Métodos iterativos baseados na matriz Z
Considere um sistema de n equações algébricas lineares

A x = b. A solução direta do problema é obtida por:
x =A 1
b =Mb
Resolvendo para xi tem-se:
n
Mij bj i = 1; : : : ; n
X
xi =
j=1

A maior diferença entre os métodos baseados na matriz Y e os

baseados na matriz Z é que a equação da rede é tratada em
termos da matriz impedância:
E =ZI
O vetor independente é o vetor de correntes nodais, e depende

das tensões e potências nodais. Para uma barra k:

Sk
Ik =
Ek

Para uma iteração (m + 1), o processo iterativo pode ser definido

de maneira geral como:
Avalie as correntes nodais por:

!
(m) Sk
Ik = (m)
k = 1; : : : ; n
Ek
Estime as tensões nodais por:
n
Zkj Ij
(m+1)
X (m)
Ek = k = 1; : : : ; n
j=1

Resolução do problema de fluxo de carga pelo método baseado na matriz Z
Considere novamente uma rede representada por seu modelo

linear:
I =YE
que pode ser reescrita de forma expandida por:
= Y11 E1 + Y12 E2 + + Y1n En


I1
= Y21 E1 + Y22 E2 + + Y2n En



 I2


I3 = Y31 E1 + Y32 E2 + + Y3n En

 .. ..

 . .
= Yn1 E1 + Yn2 E2 + + Ynn En


In

Considere agora que a barra 1 seja definida como a barra slack,

ou seja, ela é responsável pelo balanço de potências da rede e E1
é conhecida. Neste caso a equação referente a I1 será retirada do
sistema de equações:
Y21 E1 = Y22 E2 + + Y2n En


 I2
Y31 E1 = Y32 E2 + + Y3n En


 I3
.. .. ) I 0 = Y0 E 0

 . .
Yn1 E1 = Yn2 E2 + + Ynn En


In
em que a matriz Y0 corresponde à matriz Y sem a linha e a coluna

correspondentes à barra slack e o vetor E 0 difere do vetor E por
não ter E1

Fazendo a inversão:
E 0 = Z0 I 0
Para uma barra k da rede tem-se:

n
k = 2; 3; ; n
X
Ek = Zkj Ij Yj1 E1
j=2
n n
k = 2; 3; ; n
X X
Ek = Zkj Ij Zkj Yj1 E1
j=2 j=2
n
k = 2; 3; ; n
X
Ek = Zkj Ij Ck
j=2
em que Ck é constante
Um algoritmo semelhante ao de Jacobi (block substitution) para a

resolução do problema é:
1 Ler dados da rede e formar matriz Y

2 Inicializar contador de iterações i = 0. Arbitrar valores iniciais das
tensões Eki = Ek0 ; k = 1; ; n
3 Inverter matriz reduzida Y’, obtendo Z
4 Calcular constantes Ck ; k = 1; ; n

5 Calcular correntes nodais Iki = Sk =Eki ; k = 1; ; n
k = 1; ; n
P
6 Calcular tensões Eki+1 = nj=2 Zkj Iki Ck ;
7 Incrementar contador de iterações i = i + 1
8 Se j Eki+1 Eki j < tolerância; k = 1; ; n, considera-se que a
solução para E foi obtida. Caso contrário, voltar ao passo 5

Um algoritmo semelhante ao de Gauss-Seidel (forward

substitution) para a resolução do problema é:
1 Ler dados da rede e formar matriz Y
2 Inicializar contador de iterações i = 0. Arbitrar valores iniciais das
tensões Eki = Ek0 ; k = 1; ; n
3 Inverter matriz reduzida Y’, obtendo Z
4 Calcular constantes Ck ; k = 1; ; n
5 Calcular correntes nodais Iki = (Sk =Ek ) ; k = 1; ; n
6 Para k = 1; ; n
Pn
1 Calcular tensão Eki+1 = j=2 Zkj IkiCk
i+1
Iki =

2 Atualizar corrente nodal = Sk Ek
7 Incrementar contador de iterações i = i + 1
8 Se j Eki+1 Eki j < tolerância; k = 1; ; n, considera-se que a
solução para E foi obtida. Caso contrário, voltar ao passo 6

Da mesma forma que no caso do algoritmo Gauss-Seidel, este

último algoritmo de resolução baseado na matriz Z apresenta
melhor desempenho
O valor de Sk utilizado na expressão de Ik depende do tipo de

barra:
Se a barra for PQ, Sk é especificado
Se a barra for PV, somente Pk é especificado (Qk é calculado).

Então, estima-se Qk com base nos valores atuais das tensões
Se a barra for slack, a tensão não é atualizada

Se a barra for PV, somente o ângulo de fase da tensão é atualizado

Exemplo
Considere a rede de duas barras e uma linha de transmissão

mostrada a seguir.
Dados
E1 E2
z E1 = 1;0112 0Æ pu\
S1 S2 z = 0;01 + j 0;05 pu
S2 = (1;0 + j 0) pu
1 2
referência carga

A matriz admitância da rede é:
3;8462 j 19;2308 3;8462 + j 19;2308

Y=
3;8462 + j 19;2308 3;8462 j 19;2308
As equações correspondentes à rede são:

I1 = Y11 E1 + Y12 E2
I2 = Y21 E1 + Y22 E2

Como a barra 1 é slack, elimina-se a equação referente a I1 :
I2 = Y21 E1 + Y22 E2
Como E1 é conhecida:
I2 Y21 E1 = Y22 E2
Fazendo a inversão:
E2 = Z22 (I2 Y21 E1 )

E2 = Z22 I2 Z22 Y21 E1
E2 = Z22 I2 + E1

Esta equação resulta em:

E1 E2
z
E2 = z I2 + E1 )
I2
O processo iterativo baseia-se em:
(m)
= z S2 =E2

(m+1)
E2 + E1

Processo iterativo:
Iteração E2 [pu]
0 1+j0
1 1;0012 j 0;0500
2 0;9987 j 0;0493
3 0;9987 j 0;0494
4 0;9987 j 0;0494 Solução: E2 = 1\ 2;8Æ pu
A potência na barra de referência é:

S1 = E1 I12 = E1
1
(E1 E2 ) = 1;01 + j 0;05 pu
z
Naturalmente o resultado é idêntico aos anteriormente obtidos

Avaliação dos métodos baseados na matriz Z
A matriz Z é cheia (não esparsa)
Normalmente a matriz Z é construı́da diretamente, e não através

da inversão de Y
Existem métodos de construção de Z (que envolvem grande
esforço de cálculo)
É necessário um grande espaço de memória para o

armazenamento da matriz
Maior número de cálculos é necessário no processo iterativo

Para redes muito grandes, memória e volume de cálculos se

tornam impráticos
Como cada tensão é avaliada em função de todas as correntes, a

convergência é mais confiável e rápida, comparada com os
métodos baseados na matriz Y
A escolha da barra de referência não é tão importante neste caso.

Pode-se escolher a barra para a qual a soma dos elementos da
linha da matriz Z é a maior
Em geral métodos baseados na matriz Z não são atrativos se

comparados com os baseados na matriz Y

Opcional:
Obtenha o estado de operação da rede de referência pelo

método baseado na matriz Z.

Método iterativo de Newton
Resolução de sistemas algébricos pelo método de Newton
Considere a equação algébrica não-linear:
g (x) = 0
g (x)
Pretende-se determinar o valor

de x para o qual a função g (x)
se anula
Em termos geométricos a
solução da equação acima
corresponde ao ponto xs em
que a curva g (x) corta o eixo
horizontal x xs x
g (x)
Considere que um ponto x0

suficientemente próximo de xs
seja conhecido
Neste caso, pode-se estimar a

distância entre x0 e xs através
da expansão da função g (x)
em torno de x0
xs x0 x

A expansão de g (x) em série de Taylor desprezando os termos de

ordem igual e superior a 2 resulta em:
g (x0 ) ∆x
d
g (x0 + ∆x ) = g (x0 ) +
dx
0
= g (x0 ) + g (x0 ) ∆x (1)
Se ∆x for considerado como sendo aproximadamente a distância

entre x0 e xs , o lado esquerdo da equação (1) fica:
∆x xs x0 g (x0 + ∆x ) g (xs ) = 0
Logo, o lado direito da equação (1) fica:
g (x0 ) + g 0 (x0 ) ∆x 0
∆x g (x0 )
g 0 (x0 )

Interpretação gráfica:
g (x)
xs x1 x0 x
∆x
Como o resultado é aproximado, então:
6 xs
x0 + ∆x = x1 =
Porém, se x0 está suficientemente próximo de xs , então:
x1 xs = "
em que " é muito pequeno
A resolução do problema pelo método de Newton resulta em um

processo iterativo baseado nas ideias apresentadas anteriormente

Processo iterativo:
1 Inicializar o contador de iterações = 0 e escolher um ponto inicial

x = x ( ) = x (0)
Calcular o valor da função g (x ) no ponto x = x ( ) ) g x ( )

2

3 Comparar o valor calculado g x ( ) com uma tolerância
especificada "
Se j g x ( ) j ", então x = x ( ) corresponderá à solução

procurada dentro da faixa de tolerância "
Caso contrário, prosseguir

g(x)

g x (0)
+"
" x
xs x (0)


4 Linearizar a função g (x ) em torno do ponto x ( ) ; g x ( ) por
intermédio da série de Taylor desprezando os termos de ordem
igual e superior a 2:
g x ( ) + ∆x ( ) g x ( ) + ∆x ( )
d ( )
g x
dx
g x ( ) + g0 x ( ) ∆x ( )

Este passo se resume de fato ao cálculo da derivada g 0 x ( )


5 Resolver o problema linearizado, ou seja, encontrar ∆x ( ) tal que:
g x ( ) + g 0 x ( ) ∆x ( ) = 0

( ) g x ( )
∆x =
g 0 (x ( ) )
e o novo ponto:
x ( +1) x ( ) = ∆x ( )
x ( +1) = x ( ) + ∆x ( )

( +1) ( ) g x ( )
x =x
g 0 (x ( ) )

g(x)

g x (0)
De acordo com a figura:

(1) (0) g x (0)
x =x (2)
g 0 x (0)
+"
" x
xs x (1) x (0)
6 Fazer + 1 e voltar para o passo 2

Sequência do processo iterativo:

g (x)

g x (0)
) De acordo com o critério

predefinido (escolha de
"), x (3) está
suficientemente próximo
de xs (g x (3) dentro da
faixa ") a ponto de

g x (1)
poder ser considerado

g x (2)

como a solução da
+" equação g (x ) = 0
" x
xs x (3) x (2) x (1) x (0)
solução

Uma versão modificada do método acima é obtida

considerando-se a derivada constante, ou seja, ela é calculada
somente uma vez no ponto x (0) e utilizada em todas as iterações
(Von Mises ou dishonest Newton):
g (x)
g x (0)
) O número de iterações é
maior que no método original
) Cada iteração é mais rápida

(envolve menos cálculos)
g x (1)

pois a derivada não precisa

g x (2) ser calculada a cada passo
g x (3)
(esse fato ficará mais claro
+" quando for tratado o caso
" x
xs x (3) x (2) x (1) x (0) multidimensional)

Considere agora o caso de um sistema n-dimensional de

equações algébricas não-lineares:
g (x) = 0
em que g e x são vetores de dimensão (n 1) correspondentes

respectivamente às funções e incógnitas:
:::
T
g (x) = g1 (x) g2 (x) gn (x)
:::
T
x= x1 x2 xn

Os passos do algoritmo de solução para o caso n-dimensional são

basicamente os mesmos do caso unidimensional. A diferença está
no passo 4, em que se realiza a linearização de g (x) em torno de
x = x ( ) :
g x ( ) + ∆x ( ) g x ( ) + J x ( ) ∆x ( )

sendo que J é a chamada matriz Jacobiana, sendo dada por:

 
x1 g1 x2 g1 ::: xn g1
 



 x1 g2 x2 g2 ::: xn g2


 
J= g= 
x 
 ::: ::: ::: ::: 

 
 


x1 gn x2 gn ::: xn gn


O vetor de correção ∆x é calculado impondo-se:
g x ( ) + J x ( ) ∆x ( ) = 0

g
h i 1
∆x ( ) = J x ( ) x ( )

Exemplo Considere o caso particular para n = 2:
g1 g ∆x () + g ∆x ()

g1 [(x1 + ∆x1 ) ; (x2 + ∆x2 )] ; x2()
( )

x1 +
x1 1 () 1
x2 1 ( ) 2
g2
x1 g2 () ∆x1 + x2 g2 ( ) ∆x2

g2 [(x1 + ∆x1 ) ; (x2 + ∆x2 )] ; x2()
( ) ( ) ( )

x1 +

Algoritmo para resolução do sistema de equações g (x) = 0 pelo

método de Newton:
1 Inicializar o contador de iterações = 0 e escolher um ponto inicial

x = x ( ) = x (0)
Calcular o valor da função g (x) no ponto x = x ( ) ) g x ( )

2
3 Teste de convergência:
Se j gi x ( ) j " para i = 1 : : : n, então x = x ( ) será a solução

procurada dentro da faixa de tolerância " e o processo convergiu
Caso contrário, prosseguir


4 Calcular a matriz Jacobiana J x ( )
5 Determinar o novo ponto x ( +1) :
g
h i 1
∆x ( ) = J x ( ) x ( )
x ( +1) = x ( ) + ∆x ( )
6 Fazer + 1 e voltar para o passo 2

Exemplo
Ideia geral da evolução do processo iterativo para n = 2:
g1 x1
0
0
3 2
"
" 1
g2
2
"" 3
x1
x2 x2

Exercı́cio(s) proposto(s): (4) , (5)


Avaliação do método de Newton
Converge para vários casos em que outros métodos (p.ex.

Gauss-Seidel) divergem ! é mais confiável
O número de iterações necessárias para a convergência

independe da dimensão do problema (ao contrário de
Gauss-Seidel, que aumenta de um fator n – em que n é a
dimensão do problema)
Requer mais espaço de memória para armazenamento, devido à

matriz Jacobiana
O tempo computacional por iteração é maior, pois deve-se inverter

a matriz Jacobiana e multiplicá-la por um vetor

Uma redução significativa do espaço de memória necessário e do

esforço computacional pode ser obtida com:
técnicas de armazenamento compacto, em que somente os

elementos não nulos da matriz Jacobiana são armazenados
técnicas de fatoração, em que informações sobre a inversa da

matriz Jacobiana são obtidas sem que a inversão propriamente dita
seja efetuada
ordenação ótima, em que a ordem das linhas e colunas da matriz

Jacobiana é alterada de forma a minimizar o número de operações
realizadas durante a fatoração

Apresenta convergência quadrática, ou seja, se:

 xs solução exata do problema
xi solução para a iteração i
 i
E = xi xs erro na iteração i
define-se:
q
e = kE k2 = Ei
i i T
(E i )

e pode-se mostrar que:
ei+1
lim =K
i !1 (ei )2
em que K é a constante assintótica de proporcionalidade. Para i

suficientemente grande, pode-se dizer que:
K
2
ei+1 ei
o que garante uma convergência rápida, principalmente se o ponto

inicial escolhido já está próximo da solução exata

Não é sensı́vel à escolha da barra de referência
É sensı́vel à escolha do ponto inicial
g(x)
Situações:
região de
! região de atração atração
! soluções múltiplas
! pontos de mı́nimo
!
derivada nula!
mal condicionamento
x (2) x (0) x (0) x (1) x (2)
x (0) x (1) x (1) x

Fonte: M.L. Crow, Computational methods for electric power systems, 2nd Edition, CRC Press, 2009.

O método de Newton e suas versões (métodos desacoplados)

são os mais usados na prática e serão apresentados com de-
talhe adiante

Referências bibliográficas
B. Stott, Review of load-flow calculation methods, Proceedings of

the IEEE, vol.62, n.7, 1974.
A.J. Monticelli, Fluxo de carga em redes de energia elétrica,

Edgard Blücher, 1983.
M.L. Crow, Computational methods for electric power systems, 2nd

Edition, CRC Press, 2009.
L. Powell, Power system load flow analysis, McGraw-Hill, 2005.

Anexo
Há outra maneira simples de obter a equação (2) do item 5 do

processo iterativo – em última análise esta maneira tem o mesmo
significado da linearização anterior
Dado o ponto x (0) , a derivada da curva de g (x) calculada neste

ponto é:
= g 0 x (0) =
d (0)
g x
dx
que representa a declividade da reta tangente à função g (x) no

ponto x (0)

Anexo
A equação da reta tangente à curva g (x) e que passa por x (0) é:
y =x +
O valor de é conhecido (derivada da curva). Deseja-se obter o

ponto x(1) para o qual a reta corta o eixo x (e, portanto,
g x (1) = 0)
O ponto x (1) é obtido a partir da idéia de que uma reta pode ser
determinada a partir de dois pontos. Esses dois pontos serão
x (1) ; g x (1) e x (0) ; g x (0) :

x (1) +

0 =
g x (0) = x (0) +
Anexo
Subtraı́ndo a segunda equação da primeira:
g x (0) = x (1)

x (0)
e, finalmente:

(1) (0) g x (0)
x =x
g 0 x (0)


Metodos de Resolucao

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Metodos de Resolucao

Uploaded by

Copyright:

Available Formats

IT743 – Cálculo de Fluxo de Carga

Carlos A. Castro IT743 – Métodos de resolução 1/81

Baseados na resolução do sistema de equações lineares

Carlos A. Castro IT743 – Métodos de resolução 2/81

Considere o sistema de n equações algébricas lineares:

Para a linha i e para todas as demais, pode-se escrever:

Separando o termo em que j = i da somatória:

Carlos A. Castro IT743 – Métodos de resolução 4/81

Resolvendo para xi tem-se:

Cada incógnita xi é expressa em função das demais!

Carlos A. Castro IT743 – Métodos de resolução 5/81

Isto sugere um processo iterativo do tipo:

Arbitre valores iniciais para xi0 ; i = 1; : : : ; n

Substitua os valores de xi0 no termo do lado direito da equação e

Carlos A. Castro IT743 – Métodos de resolução 6/81

Substitua os valores de xi1 no termo do lado direito da equação e

O processo iterativo implica na geração de uma sequência de

Carlos A. Castro IT743 – Métodos de resolução 7/81

Para uma iteração (m + 1), o processo iterativo pode ser definido

Carlos A. Castro IT743 – Métodos de resolução 8/81

Uma forma alternativa para o processo iterativo é:

Carlos A. Castro IT743 – Métodos de resolução 9/81

Processos iterativos utilizando os métodos de Jacobi e

A ideia geral desses métodos iterativos (métodos de relaxação) é

em que C é uma matriz (n n), g é um vetor (n 1) e ' (x) é

Carlos A. Castro IT743 – Métodos de resolução 11/81

Esta formulação sugere um processo iterativo

A matriz A pode ser colocada na forma:

em que L é uma matriz que contém os elementos abaixo da

Carlos A. Castro IT743 – Métodos de resolução 12/81

Por outro lado, pode-se considerar:

Ax =b + Mx Mx

Carlos A. Castro IT743 – Métodos de resolução 13/81

Se M = D, a equação de Jacobi pode ser escrita na forma matricial

Se M = (L + D), a equação de Gauss-Seidel fica:

Carlos A. Castro IT743 – Métodos de resolução 14/81

A convergência pode ser acelerada através da utilização de

O método mais popular é o chamado método SOR (successive

Para o método de Gauss-Seidel:

Carlos A. Castro IT743 – Métodos de resolução 15/81

Para ! = 1, tem-se o método de Gauss-Seidel sem aceleração

A aceleração corresponde a uma extrapolação:

Carlos A. Castro IT743 – Métodos de resolução 16/81

Para cada problema existe um ! ótimo, mas para a maioria dos

Carlos A. Castro IT743 – Métodos de resolução 17/81

Exercı́cio(s) proposto(s): (1)

Carlos A. Castro IT743 – Métodos de resolução 18/81

Os sistemas de potência podem ser modelados como um sistema

Tomando o elemento k do vetor independente I:

em que Ωk é o conjunto de barras vizinhas da barra k e K é o

A tensão Ek é obtida por:

Utilizando o método de Gauss-Seidel tem-se, para uma iteração

em que NB é o número total de barras

Carlos A. Castro IT743 – Métodos de resolução 20/81

Neste caso, relaciona-se as tensões nodais com as potências

Sk = Ek Ik = Ek Ykj Ej = Ek Ykj Ej + Ek Ykk Ek

em que Ωk é o conjunto de barras vizinhas da barra k e K é o

Carlos A. Castro IT743 – Métodos de resolução 21/81

A tensão Ek é obtida por:

Utilizando o método de Gauss-Seidel tem-se, para uma iteração

em que NB é o número total de barras

Carlos A. Castro IT743 – Métodos de resolução 22/81

Se a barra for PQ, Sk é especificado

Se a barra for PV, somente Pk é especificado (Qk é calculado).