Métodos de pontos interiores para problema de fluxo de potência ótimo DC

• Published in: Controle & automação : revista da Sociedade Brasileira de Automática 2003-09, Vol.14 (3), p.278-285
• Main Authors: Oliveira, Aurelio R. L., Soares Filho, Secundino
• Format: Article
• Language: English
• ISSN: 0103-1759; 0103-1759
• DOI: 10.1590/S0103-17592003000300007

Os métodos de pontos interiores primal-dual e preditor-corretor são desenvolvidos para um modelo de fluxo de potência ótimo DC onde as leis de Kirchhoff são representadas por um problema de fluxo em redes com restrições adicionais. A estrutura matricial resultante é explorada reduzindo o sistema linear a ser resolvido a um sistema da dimensão do número de barras ou, opcionalmente, do número de laços independentes, cuja matriz é invariante ao longo das iterações permitindo que o método tenha uma iteração bastante rápida. Como conseqüência, um sistema linear cuja matriz varia a cada iteração deve ser resolvido. A dimensão deste sistema se reduz ao número de geradores. Resultados numéricos com implementação em C são apresentados para sistemas testes do IEEE e sistemas brasileiros de grande porte. O método de pontos interiores se mostra bastante robusto convergindo rapidamente para todos os casos testados. The primal-dual and predictor-corrector versions of interior point methods are developed for an optimal DC power flow model where Kirchhoff law's are represented by a network flow model with surrogate constraints. The resulting matrix structure is explored reducing the linear system to be solved either to the number of buses or to the number of independent loops, leading to very fast iterations. Either matrix is invariant and can be factored off-line. As a consequence of such matrix manipulations, a linear system which changes at each iteration must be solved; its size, however, reduces to the number of generating units. Numerical results with C implementation are presented for IEEE test systems and large scale Brazilian systems. The interior point method shows to be robust, achieving fast convergence in all instances tested.