Documente Academic
Documente Profesional
Documente Cultură
+
=
+ +
n
t
t t t t t
ut u
S V t u X L Max
1
1 1
... 1
) ( ) , , (
Sujeto a:
x
t+1
- x
t
= f (x
t
, u
t
) t= 1 aT
g
t
(x
t
, u
t
) >= 0 t= 1 aT
g
T+1
(x
T+1
) >= 0
x
1
= a
En que:
T : nmero de etapas
x
t
: variable que define el estado del sistema a comienzos del perodo t.
u
t
: variable de control o de decisin durante el perodo t.
L : funcin objetivo para el perodo t. Depende slo del estado del sistema a comienzos del
perodo (x
t
), de la decisin tomada (u
t
) y de condiciones exgenas o ambientales vlidas para ese
perodo(t).
V
T+1
funcin que asigna valor econmico al estado del sistema a fines del ultimo perodo.
f
t
funcin de evolucin. Relaciona el estado del sistema a comienzos y fines del perodo con
la decisin tomada en l.
g
t
: restricciones sobre los estados y decisiones del sistema, durante el perodo t.
g
T+1
restricciones sobre el estado final del sistema.
a estado del sistema en el instante inicial.
La condicin fundamental requerida para aplicar programacin dinmica es que el estado del
sistema en un perodo o etapa cualquiera resume toda la historia transcurrida hasta ese instante.
Esto significa que en un perodo cualquiera, tanto la funcin objetivo como el estado final del
sistema, dependen slo del estado inicial y de la decisin tomada.
17
El problema de optimizacin de la operacin del Lago laja puede plantearse de la siguiente manera:
(
+
=
+ + +
n
t
t t t t t t t
qT q
S V t q s c Min
1
1 1 1
... 1
) ( ) , , (
Sujeto a:
0
1
1
1 ,
1 ,
1 ), , (
s S
T a t Q q Q
T a t s S s
T a t q S f S S
t t t
t t t
t t t t t
=
=
=
= =
+
La ecuacin de evolucin del sistema se obtiene a partir de la ecuacin de balance hidrolgico en el
embalse:
en que:
A
t
: caudal afluente al embalse durante el perodo t.
E
t
: evaporacin durante el perodo t
R
t
: rebase durante el perodo t.
F(S
t
, S
t+1
) : filtraciones, dependen del estado del embalse a comienzos y fines del perodo.
Suponiendo que la ley de filtraciones es lineal y de la forma:
D S S B S S F
t t t t
+ =
+ +
) , ( ) , (
1 1
Entonces:
| | D S B E R q A
B
S S
t t t t t t t
+
=
+
2
1
1
1
Definiendo:
| | D S B E R q A
B
q S f
t t t t t t t t
+
= 2
1
1
) , ( , se obtiene la expresin deseada.
En que:
T : horizonte de evaluacin (aos)
t : coeficiente de actualizacin del ao t con respecto a comienzos del ao 1.
Ct : costo de operacin (y falla) durante el perodo t.
18
St : cota del embalse a comienzos del perodo t (variable de estado)
qt : caudal medio extrado durante el perodo t (variable de decisin).
t : simboliza las condiciones del perodo t que inciden en Ct. Incluye: demanda, demanda
mxima, generacin hidroelctrica y potencia disponible en centrales hidroelctricas, caractersticas
del parque trmico disponible (potencias, rendimientos, tasa de fallas, perodo de mantenimiento)
costos de combustibles y lubricantes, etc.
st, st : cotas mnimas y mxima entre las cuales es posible operar el embalse durante el perodo t.
Qt : caudal mnimo que debe ser obligatoriamente extrado durante el perodo t.
Qt : caudal mximo que es posible extraer durante el periodo t.
S
0
: condicin del embalse de comienzos del primer perodo
V
T+1
: funcin que valoriza el estado del embalse a fines del ltimo perodo de evaluacin.
El costo de operacin Ct corresponde al costo variable de generacin trmica ms el costo de falla.
El est sujeto principalmente a tres fenmenos aleatorios: demanda, aportes hidrolgicos y
disponibilidad de unidades. En el caso del modelo descrito en este Informe, slo los aportes
hidrolgicos se han tratado como variable aleatoria, por ser la ms significativa.
Con el fin de simplificar la presentacin, en el punto 2 se desarrolla el planteamiento de
programacin dinmica correspondiente al caso de aportes determinsticos. Posteriormente, en el
punto 3 se analiza el caso en que la hidrologa es tratada como variable aleatoria.
2. Resolucin del problema con hidrologas determinsticas.
2.1 Principio de optimalidad
El algoritmo de solucin de un problema mediante programacin dinmica, se obtiene aplicando el
Principio de Optimalidad propuesto por R. Bellman, el cual establece que: "Una poltica ptima
slo puede estar formada por subpolticas ptimas. Se entiende por poltica ptima a la sucesin de
decisiones tomadas a lo largo de todo el perodo de anlisis y que optimizan la funcin objetivo.
Una subpoltica es un conjunto de decisiones asociadas a un subperodo del periodo total.
La poltica ptima puede, por lo tanto, descomponerse en dos subpolticas: una que comprende
desde el instante inicial hasta perodo k y otra que incluye desde el perodo k+1 hasta el final.
As, el problema planteado (P2) puede separarse en (P3) y (P4) , segn se indica a continuacin:
(
+
=
+ =
+ + +
+
T t
k t
T T T t t t t
qT qk
S V t q s c Min
1
1 1 1
... 1
) ( ) , , (
Sujeto a:
19
T a t Q q Q
T a t s S s
T a t q S f S S
t t t
t t t
t t t t t
1 k ,
1 k ,
1 k ), , (
1
+ =
+ =
+ = =
+
La resolucin de (P3) conduce a la determinacin de una Poltica ptima para el perodo(k+1,T).
Dado que Sk+1, estado del embalse a comienzos del perodo k+1, resume toda la historia pasada,
es posible definir una funcin de valorizacin del agua para el perodo k+1, que depende slo del
estado del embalse a comienzos de dicho perodo y de la operacin posterior:
(
+ =
=
+ =
+ +
+
+
+
+
+ +
T t
k t
T T
k
T
t t t
k
t
qT qk
k k
S V t q s c Min S V
1
1 1
1
1
1
... 1
1 1
) ( ) , , ( ) (
La funcin de valor del agua o valor estratgico Vk+1(Sk+1) es el costo total actualizado de la
operacin del sistema desde ese instante en adelante Ella permite medir la ventaja relativa de estar
en un nivel Sk+1 a comienzos del perodo k+1 con respecto a otro nivel cualquiera.
La poltica ptima para el perodo (1, k) se expresa mediante las siguientes relaciones:
(
+
=
=
+ + +
k t
t
k k k t t t t
qk q
S V t q s c Min
1
1 1 1
... 1
) ( ) , , (
Sujeto a:
k 1 ,
1 k 1 ,
k 1 ), , (
1
a t Q q Q
a t s S s
a t q S f S S
t t t
t t t
t t t t t
=
+ =
= =
+
Es posible observar que:
i) La resolucin de (P3) conduce a una valorizacin del estado Sk+1 a comienzos del perodo
k+1.
ii) En la optimizacin del perodo (1, k), la condicin del embalse a fines del ltimo perodo,
Sk+1, es tomada en cuenta.
Supngase que se ha resuelto el problema (P3) y que, por lo tanto, se conoce la funcin
Vk+1(Sk+1). La resolucin de (P4) puede hacerse en forma recurrente, segn se indica a
continuacin:
Por el Principio de Optimalidad, la poltica que optimiza el perodo(1,k) puede descomponerse a su
vez en una subpoltica que optimiza el perodo (1,k-1) y otra que optimiza el perodo k. As (P4) se
descompone en (P5) y (P6).
(
+
=
=
1
1
1 ... 1
) ( ) , , (
k t
t
k k k t t t t
qk q
S V t q s c Min
20
Sujeto a:
1 - k 1 ,
k 1 ,
1 - k 1 ), , (
1
a t Q q Q
a t s S s
a t q S f S S
t t t
t t t
t t t t t
=
=
= =
+
| | ) ( ) , , (
1 1 1 + + +
+
k k k k k k k
qk
S V t q s c Min
Sujeto a:
k k k
k k k
k k k k k
Q q Q
s S s
q S f S S
=
+ + +
+
1 1 1
1
) , (
El problema (P6) corresponde a la optimizacin en una etapa. En su resolucin inciden solamente:
- Los costos de operacin y falla del SIC durante la etapa.
- Valor asociado al estado del embalse a fines de la etapa: Vk+1(Sk+1)
La resolucin de esta etapa conduce a determinar (1)
i)Para cada cota inicial, 5k' la decisin ptima de caudal a extraer del lago Laja, (solucin del
problema (P6).
ji) Para cada cota inicial, la cota final asociada a la decisin ptima:
) , (
1 k k k k k
q S f S S + =
+
iii) La funcin Vk(Sk), valor de la cota a fines del perodo k-1 (comienzo del periodo k)
(
+ =
+ +
+
) ( ) , , ( ) (
1 1
1
k k
k
k
k k k
qk
k k
S V k q s c Min S V
Una vez resuelta la etapa k y obtenido Vk(Sk) la optimizacin del perodo (1, k-1) planteada en (P5)
puede hacerse descomponiendo el problema en la optimizacin de (1, k-2) y (k-1), con lo cual se
obtiene Vk-1(Sk-1). Este procedimiento, repetido hasta el primer perodo, permite eliminar en cada
perodo y para cada cota inicial:
i) Decisin ptima de caudal a extraer en el lago.
ii) La cota final asociada a la decisin ptima.
iii) Costo total, actualizado al instante inicial, de operar ptimamente el sistema de ese instante
en adelante.
21
De esta manera, a partir del estado inicial del lago Laja conocido, siguiendo las decisiones ptimas,
ahora en el sentido del tiempo, se determina la poltica ptima a seguir. El valor que toma la
funcin V1 en la cota Sj a comienzos del primer perodo constituye el costo total, actualizado al ao
inicial, de operar ptimamente el sistema.
2.3 Funcin de evaluacin del estado del Sistema al final del estudio.
El procedimiento iterativo descrito se inicia con el ltimo ao en estudio y avanza en sentido
cronolgico inverso. Con el fin de iniciar el clculo, es necesario disponer de una estimacin del
valor asignable a la condicin del embalse a fines del ltimo perodo, VT+1(ST+1).
Para ello, es posible optar por una de las siguientes opciones:
i) S
T+1
es un valor dado. En este caso, todas las polticas conducen a un estado final nico definido
arbitrariamente. Puede presentar el problema de que para algunas condiciones de cota inicial e
hidrologa, no sea posible alcanzar la cota final dada.
ii) Existe indiferencia respecto al estado del embalse a fines del horizonte de evaluacin. En este
caso:
1 1 1 1 1
0 ) (
+ + + + +
=
T T T T T
s S s para S V
iii) El estado S
T+1
se valoriza estimando una funcin V
T+1
(S
T+1
) que refleje el costo de operacin del
Sistema desde el instante T+1 hasta el infinito. Una cota ms alta en el embalse ser preferida a una
cota menor, por lo tanto, est funcin cumple con:
0
) (
0 ) (
1
1 1
1 1
+
+ +
+ +
T
T
T T
T T
dS
S dV
S V
En la optimizacin de la operacin del lago Laja se ha considerado la alternativa iii). Una
descripcin de la forma en que se calcula V
T+1
(S
T+1
) se incluye en el Anexo N3.
3 Aleatoriedad de la hidrologa
En este prrafo se analiza el planteamiento del problema de Programacin Dinmica cuando los
aportes hidrolgicos se tratan como variable aleatoria.
3.1 Funcin de cuanta
Se acepta a continuacin que los aportes hidrolgicos presentan una distribucin de probabilidades
conocida. Si el caudal afluente es tratado como una variable aleatoria discreta con N valores y
denotando:
P(A
h
t
) : probabilidad de que el caudal afluente tome el valor A
h
t
durante el perodo t (h=1,.,N)
22
Se cumple que:
T 1 t 1 ) (
1 0 ) (
1
a A P
N a h A P
h
t
N
h
h
t
= =
=
=
y el valor esperado para una funcin cualquiera G(A
h
t
) es:
) ( ) (
1
h
t
h
t
N
h
A G A P G =
=
3.2 Independencia interperiodos
Si existen independencia hidrolgica entre perodos, la distribucin de probabilidades de la
hidrologa en cada perodo no depende de la ocurrencia hidrolgica en el perodo anterior. Es decir,
N a 1 h i,
T 2 t 1 ) ( ) / (
1
=
= = =
a A P A A P
h
t
i
t
h
t
En general, el supuesto de independencia hidrolgica entre perodos se cumple entre aos
hidrolgicos en el SIC, razn por la cual se ha adoptado como perodo de anlisis.
3.3 Independencia a lo largo del tiempo
Finalmente, se supone que la distribucin de probabilidades es estacionario para aquellos perodos
en que no hay instalacin ni retiro de unidades hidroelctricas (2). Es decir,
t A P A P
h h
t
= ) ( ) ( con un parque hidroelctrico dado.
3.4 Criterio decisin en futuro aleatorio
Considerando que los aportes hidrolgicos son aleatorios, la toma de decisiones se verifica en
condiciones de futuro incierto. A diferencia del caso determinstico, en que se obtiene una poltica
que minimiza el costo de operacin, en este caso el objetivo es determinar una estrategia que
asegure que la decisin tomada en cada perodo sea la mejor en promedio (mnimo del valor
esperado del costo de operacin). A estos efectos es posible considerar dos alternativas para tratar
la aleatoriedad hidrolgica, las que se describen a continuacin.
a.- Hidrologa aleatoria, conocida durante el perodo de anlisis (azar decisin).
Se supone en este caso que es posible prever la hidrologa a comienzos de la etapa en que se toma la
decisin (o ajustar la operacin perfectamente a la hidrologa a medida que transcurre el perodo).
Durante las etapas posteriores, la hidrologa slo se conoce a travs de su distribucin de
probabilidades.
Si se conoce la hidrologa que ocurrir durante el perodo la estrategia a determinar deber
establecer, para cada condicin inicial e hidrolgica posibles, cual es la decisin ptima a tomar. El
23
problema es en este caso anlogo al caso determinstico. Por lo tanto, su planteamiento es similar a
(P2) , en que A
h
t
y en consecuencia S
t+1
son aleatorios. El Principio de Optimalidad de Bellman
sigue siendo aplicable, por lo que el problema (P2) puede ser tambin separado en (P3) y (P4). El
trmino Vt(St) deber en este caso reflejar el valor asignable al estado del embalse a comienzos del
perodo t, considerando la variabilidad hidrolgica que afectar a las etapas posteriores a t.
La optimizacin del perodo (1, k) planteada en (P4) puede igualmente descomponerse en la
optimizacin de (1, k-1) y en la optimizacin del perodo k. Reescribiendo las ecuaciones
correspondientes a este ultimo problema (ver P6), se obtiene para cada condicin hidrolgica h.
| | )) ( ( ) , , , (
1 1
h
k k k k
h
k
h
k k k k
q
A S V A k q s c Min
h
k
+ +
+
Sujeto a:
k k k
k
h
k k k
h
k
h
k k k k
h
k k
Q q Q
s A S s
A q S f S A S
=
+ + +
+
1 1 1
1
) (
) , , ( ) (
Conocida la hidrologa durante el perodo k y suponiendo conocida la funcin V
k+1
(S
k+1
), la
optimizacin de (P7) es similar al caso determinstico. As, dada la hidrologa A
k
h
se tiene:
(
+ =
+ +
+
)) ( ( ) , , , ( ) / (
1 1
1 h
k k k
k
k h
k
h
k k k
q
h
k k
h
k
A S V A k q s c Min A S V
h
k
Naturalmente, A
k
h
solo es conocido durante el perodo k. Al existir independencia entre los
perodos k-1 y k el valor asociado a la cota del embalse a comienzos del perodo k, V
k
(S
k
) est
dado por el valor esperado de ) / (
h
k k
h
k
A S V :
) / ( ) ( ) (
1
h
k k
h
k
h
t
N h
h
k
k A S V A P S V =
=
=
Una vez determinado ) (
k
k S V , es posible continuar en forma iterativa, de manera anloga al caso
determinstico.
b.- Hidrologa aleatoria, no conocida durante el perodo de anlisis (decisin-azar).
Consideremos finalmente el caso en que tanto la ocurrencia hidrolgica del perodo como la de
perodos posteriores slo es conocida a travs de su distribucin de probabilidades, y no es posible
adecuar la operacin a la hidrologa.
La determinacin de la estrategia optima considera en este caso los mismos pasos que en el caso
con hidrologa conocida durante el perodo de anlisis, es decir, el planteamiento del problema
corresponde al sistema (P2) en que A
h
y S
t+1
son aleatorios. El sistema (P2) puede descomponerse
24
en (P3) y (P4) y, finalmente, la optimizacin del perodo (1, k) planteada en (P4) puede igualmente
descomponerse en la optimizacin de (1, k-1) y en la optimizacin del periodo.
Considrese a continuacin la optimizacin del problema para el perodo k. Si la hidrologa no
puede ser prevista durante este perodo, la decisin deber tomarse considerando simultneamente
la ocurrencia de las N posibles hidrologas. La funcin objetivo a optimizar consiste en el valor
esperado del cesto de operacin ms el valor del agua a fines del perodo, segn se indica en el
sistema (P8) a continuacin:
| |
)
`
+
=
+ +
N
h
h
k k k k
h
k k k k k
h
k
q
A S V A k q s c A P Min
k 1
1 1
)) ( ( ) , , , ( ) (
Sujeto a:
k k
k
k
h
k k k
h
k k k k k
h
k k
Q q Q
N a h s A S s
N a h A q S f S A S
=
= =
+ + +
+
1 ) (
1 ) , , ( ) (
1 1 1
1
El valor del agua en la ceta a comienzos del perodo k, ) (
k
k S V queda dado por:
)
`
+ =
=
+ +
+
N
k
h
k k k
k
k h
k k k k
h
k
q
k
k A S V A k q s c A P Min S V
k 1
1 1
1
)) ( ( ) , , , ( ) ( ) (
Sujeto a:
t
t t
t
t t
s S s
x X x
+1
en que:
: coeficiente de actualizacin
C
t
(X
t
) : costo de abastecimiento en el perodo t. Es igual a la suma de costos de generacin trmica
y falla en el sistema correspondiente a una extraccin x
t
del embalse. Es funcin lineal por tramos,
montonamente creciente y no diferenciable.
V
t+1
(S
t+1
) : valor estratgico a fines del perodo t asociado a la cota S
t+1
.
X
t
: extraccin del Lago Laja expresado en m /seg-trim
Por su parte, V
t+1
(S
t+1
) es una funcin evaluada sobre un conjunto de valores discretos de S
t+1
. Con
el fin de obtener una funcin sobre un dominio continuo, se ajustan polinomios de interpolacin de
tercer grado, con lo cual V
t+1
(S
t+1
) queda definida como una funcin continua, generalmente
montona decreciente y no diferenciable.
Con estas caractersticas, la funcin ) ( ) (
1 1 + +
+
t t t t
S V x C es no diferenciable y convexa sobre
todo su dominio, con lo cual se asegura que un mnimo local de esta funcin constituye a la vez un
mnimo global.
La resolucin del problema de minimizacin se ha hecho utilizando el algoritmo de la seccin
dorada (1). Este se caracteriza porque la solucin est siempre contenida en un intervalo de
incertidumbre, subconjunto del espacio de soluciones factibles, el cual se reduce en cada iteracin
hasta satisfacer el criterio de convergencia.
El intervalo de incertidumbre est caracterizado por sus puntos extremos a y b. Las evaluaciones
se realizan en puntos interiores c y d, los que se encuentran en relacin urea con los anteriores, esto
es, cumplen con las siguientes relaciones:
i) Relacin de Proporcionalidad
a b
a d
a d
a c
26
ii) Relacin de Simetra
b d a c =
iii)Relacin de Orden
b d c a
Las soluciones para c y d en funcin de los puntos extremos son:
2
5 3
) ( ) 1 (
) (
=
+ =
+ =
T
a b T a d
a b T a c
Los puntos a, c, d y b presentan la propiedad de que si se redefine el intervalo de incertidumbre de
manera que uno de los puntos interiores pasa a ser punto extremo del intervalo, entonces el otro
punto interior, es simtrico de ste con respecto al nuevo intervalo y los extremos de ste quedan en
proporcin urea. As, en cada iteracin es necesario evaluar solo un nuevo punto.
Una vez evaluada la funcin en los puntos interiores, ellos se comparan y el punto en el cual la
funcin es mayor se redefine como extremo del intervalo, se determina el nuevo punto interior en
relacin urea con el resto, se evala la funcin en el y se contina el proceso en forma iterativa.
En cada iteracin el tamao del intervalo se reduce a un 61% del original.
Se considera que el mnimo se ha alcanzado cuando el tamao del intervalo de incertidumbre es
inferior a 1 m3/seg-trim.
27
ANEXO N3
INTERPRETACION ECONOMICA DE LAS CONDICIONES DE OPTIMO
1.- Teorema de Kubn-Tucker
El teorema de Kuhn-Tucker es de gran utilidad en la interpretacin econmica de problemas de
programacin no lineal. Su planteamiento se resume a continuacin y junto a su aplicacin al
problema de operacin de embalse.
1.1. Condiciones de Kuhn-Tucker
Consideremos el problema:
( )
n
x x f Max , ,.........
1
Sujeto a
( ) m a j x x g
n j
1 0 , ,.........
1
=
El teorema de Kuhn-Tucker, establece bajo hiptesis de calificacin de restricciones" o de "no
degeneracin y siendo las funciones f y g
j
continuamente diferenciables, las condiciones necesarias
para que (x1, .....,xn) sea solucin de (P).
Si el conjunto de valores (x*1,.,x*n) es ptimo y verifica las restricciones g
j
(x1, xn)> 0,
entonces existe un conjunto de n nmeros 1, .... m asociado a estas restricciones
(multiplicadores) que verifican las condiciones (todas las funciones evaluadas en x*1 ,x*2,,x*n):
j
m 1 j 0
0 ) ,....., (
1 0
) ,....., (
) ,....., (
1
1
1
1
1
a
x x g
n a i
x
x x g
x
x x f
j
m
j
n j j
m
j
i
n j
j
i
n
=
=
= =
=
=
= =
= =
j
n j j
i
m n
m a j x x g
n a i
x
x x L
28
Las condiciones indicadas son necesarias de primer orden. Si las funciones f y g. (j=1 a m) son
cncavas en la vecindad del ptimo (x*1,. . ,x*n) , las condiciones de Kuhn-Tucker son necesarias y
suficientes para un mximo local.
Adems si las funciones q.(j=1 a m) y la funcin cncavas en todo el dominio X, las condiciones de
primer orden constituyen necesarias y suficientes de un mximo global.
Un caso particular de este teorema es aquel en el cual se exige a las variables x ser no negativas:
( )
n
x x f Max , ,.........
1
sujeto a:
( )
n 1 i 0
1 0 , ,.........
1
a x
m a j x x g
i
n j
=
=
En este caso la aplicacin del teorema de Kuhn-Tucker lleva a las condiciones (todas las funciones
evaluadas en x*):
0
0 ) ,....., (
m 1 j 0 ) ,....., (
0
) ,....., (
) ,....., (
1 0
) ,....., (
) ,....., (
1
1
1
1
1
1
1
1
=
=
>
= =
=
=
j
n j j
n j
i
i
M
j
i
n j
j
i
n
m
j
i
n j
j
i
n
x x g
a x x g
x
x
x
x x g
x
x x f
n a i
x
x x g
x
x x f
=
x h b
x x
x
h
x x
x
f
j j j
m
j
i
j
j
i
: representa la cantidad adicional del factor de produccin ~ necesaria para producir una
unidad adicional del bien <i), es decir, su rendimiento marginal.
i
j
b
f
=
m
j
i
j
j
x
h
1
: es el valor marginal del bien i
Las igualdades (1) significan que, en el Optimo, el valor marginal de un bien i es igual al beneficio
adicional que significa para la empresa una produccin adicional de ese bien. Las igualdades (2)
indican que entre los factores de produccin se debe hacer una distincin fundamental:
- Aquellos cuya limitacin interviene en forma activa para caracterizar la solucin en ese caso
h.(x*)=bj el volumen disponible es totalmente utilizado. El multiplicador j es positivo y mide la
escasez relativa del factor: es el valor que se asigna al hecho de disponer una unidad suplementaria
del recurso.
- Aquellos cuya limitacin no interfiere para definir la solucin x* y el beneficio que resulta. En
este caso el volumen no se utiliza completamente y como este factor no es escaso, su valor marginal
j es nulo.
1.3 Utilizacin del teorema de Kuhn-Tucker
30
El teorema de Kuhn-Tucker indica las condiciones que caracterizan una solucin, pero no
proporciona un mtodo constructivo para obtenerla. A continuacin se aplica el teorema de Kuhn-
Tucker al caso de operacin de embalse para deducir las condiciones de operacin ptima en una
etapa.
2. Condiciones de ptimo en el problema de operacin de centrales de embalse
Nos interesa determinar las condiciones que caracterizan el ptimo de una etapa del problema de
operacin de embalse.
Analicemos en primer lugar el caso en que no existen prdidas por filtraciones o evaporacin y en
que la etapa es lo suficientemente breve como para no tomar en cuenta la actualizacin. El
problema para una etapa t cualquiera, se escribe:
| | ) ( ) (
1 1 + +
+
t t t t
q
S V q C
Min
t
sujeto a:
t t
t
t
t t
t t t t t
Q q Q
s S s
R q A S S
+ =
+
+ +
+
1
1 1
1
donde:
St : nivel del embalse a comienzos del perodo t (expresado en volumen)
St+1 : nivel del embalse a fines del perodo t (expresado en volumen)
At : caudal afluente al embalse en el perodo t (expresado en volumen)
Qt : caudal extrado del embalse, generado por la central asociado a l (expresado en volumen).
Rt : rebases en el perodo t
Ct(q
t
) : costo de operacin y falla en el perodo t, funcin del caudal extrado q (expresado en $ por
unidad de volumen extrado o generado).
V
t+1
(S
t+1
) : valor estratgico a fines del perodo t, funcin del nivel del embalse 5 (expresado en $
por unidad de volumen embalsado)
Escribamos el problema en la siguiente forma:
| | ) ( ) (
1 1 + +
t t t t
q
S V q C
Max
t
sujeto a:
31
0
0
0
0
1
1
+ +
+
+
+
t
t
t t
t t t t
t
t t t t t
Q q
q Q
R q A S s
s R q A S
y sean 1, 2, 3, y 4, los multiplicadores asociados a cada una de las restricciones. El
lagrangiano es:
) ( ) (
) ( ) ( ) ( ) (
4 3
1
2 1 1 1 1
t t
t
t
t t t t
t
t t t t t t t t t
q Q Q q
R q A S S S R q A S S V q C L
+ +
+ + + + + = +
+ + +
y las condiciones de Kuhn-Tucker:
0 , 0 , 0 , 0
0 ) (
0 ) (
0 ) (
0 ) (
0
) ( ) (
4 3 2 1
4
3
1
2
1 1
4 3 2 1
1 1
=
=
= + +
= +
= + +
+
+
+ +
t t
t
t
t t t t
t
t t t t t
t
t t
t
t t
q Q
Q q
R q A S S
S R q A S
q
S V
q
q C
De
t t t t t
R q A S S + =
+1
se tiene:
1
1 1
1
1 1 1 1
) ( ) (
+
+ +
+
+ + + +
t
t
t
t
t
t t
t
t t
S
V
q
S
S
S V
q
S V
Si no hay restricciones activas j = 0 para j=1 a 4 y:
1
1 1
) ( ) (
+
+ +
t
t t
t
t t
S
S V
q
q C
) (
t t
q C : es el costo de generacin en el perodo t, en funcin de la extraccin del lago
(caudal generado) qt.
t
t t
q
q C
) (
: es la variacin del costo de operacin en el perodo t al variar el caudal extrado
del lago, es decir, el costo marginal de operacin del Sistema.
) (
1 1 + + t t
S V : es el costo actualizado futuro de operacin del sistema partiendo del nivel S
t+1
del
embalse.
32
1
1 1
) (
+
+ +
t
t t
S
S V
: es la variacin de costo futuro de operacin entre una variacin del volumen
embalsado.
Por lo tanto, la condicin dice que: la extraccin q
t
es ptima cuando la disminucin de costo de
operacin en el perodo t por una extraccin adicional del embalse (costo marginal del perodo) es
igual al incremento de costo futuro correspondiente a dicha extraccin (costo marginal asociado al
nivel del embalse).
Cuando cualquiera de las restricciones es activa, entonces algn j es distinto de cero:
4 3 2 1
1 1
) ( ) (
+ +
+ +
t
t t
t
t t
q
S V
q
q C
El costo marginal de operacin en el perodo t es menor que el costo marginal asociado al nivel del
embalse cuando hay restricciones de nivel mnimo ( 0
1
) o caudal mximo ( 0
4
). En
cambio el costo marginal de operacin es mayor que el costo marginal asociado al nivel del
embalse cuando las restricciones de nivel mximo ( 0
2
) o caudal mnimo ( 0
3
) son activas,
es decir, convendra almacenar agua en el embalse pero no es posible por estar lleno o tener que
entregar el mnimo exigido.
La existencia de filtraciones y la actualizacin introducen algunos coeficientes que multiplican los
valores marginales o multiplicadores de Legrange en la condicin de ptimo, para tomar en cuenta
esos efectos.
33
ANEXO 4
METODO DE SIMULACION DE MONTECARLO
El mtodo de Montecarlo es un mtodo de simulacin matemtica que permite estudiar el
comportamiento de una variable aleatoria X y que resulta especialmente til cuando el clculo
mediante mtodos analticos es muy complicado.
En trminos generales, el mtodo de Montecarlo consiste en realizar un gran nmero de tiradas al
azar (esto es, generar nmeros aleatorios distribuidos uniformemente sobre un intervalo (a,b). Con
cada tirada se verifica un evento de la variable aleatoria X, de manera que despus de repetir M
veces el proceso, se dispondr de M ocurrencias. Puede demostrarse que dichas observaciones
respetan el comportamiento probabilstico de X siempre que M sea suficientemente grande.
La aplicacin del mtodo de Montecarlo a la determinacin de las caractersticas de operacin del
Lago Laja se realiza de acuerdo al siguiente orden:
1) Se genera una secuencia aleatoria de T hidrologas (T = nmero de aos en estudio). Cada
elemento de la secuencia es generado de manera que se respeta la distribucin de
probabilidades de ocurrencia de las hidrologas. Las hidrologas generadas provienen de la
muestra histrica de 40 aos hidrolgicos correspondientes a una ventana mvil que cubre los
ltimos 40 aos hidrolgicos, hoy se trabaja con la muestra 1958/59 y 1998/99. Se considera
que los elementos de esta muestra son equiprobables, por lo que la distribucin de
probabilidades d las hidrologas es uniforme, con probabilidad 1/40 asociada a cada
hidrologa.
2) Conocida la cota a comienzos del primer ao y generada una condicin hidrolgica, se obtiene
a partir de la matriz la cota a fines del primer ao que corresponde a la operacin ptima. Las
matrices, generadas en la fase de optimizacin del modelo indican para todos los aos y cada
cota inicial del embalse y condicin hidrolgica el valor ptimo de las variables de operacin
del sistema en ese ao: cota final, generacin en centrales del Laja, generacin trmica y otros.
Esta cota constituye la condicin inicial del segundo ao y, generada una condicin hidrolgica
para este ao, se determina la cota a fines del segundo ao. Este procedimiento, repetido hasta
el ltimo ao define la trayectoria ptima asociada a la secuencia hidrolgica generada.
Anlogamente, utilizando las matrices de decisin del resto de las variables, se determina el
valor que cada una de ellas toma para la secuencia hidrolgica generada.
3) Si el procedimiento anterior se repite N veces, con N suficientemente grande, es posible
determinar valores medios, desviaciones standard y distribuciones de probabilidad.
Sea a
n
t
el valor que toma la variable A durante el t-simo ao para la n-sima secuencia. Entonces,
el valor esperado de la variable A durante el ao t es:
=
=
N
n
t
n
t
a
N
a
1
1
La desviacin standard de la variable A se calcula mediante la expresin:
34
2 / 1
2
1
) (
1
1
) (
(
=
=
t
N
n
t
n
a a
N
a
La determinacin de las distribuciones de probabilidad requiere de la definicin de clases de
equivalencia.
Sea { }
K
k
k
t
A C
1
) (
=
el conjunto de clases en que se subdivide el rango de valores posibles de la variable
A durante el ao t. En cada secuencia la variable A quedar asignada al intervalo de clase
correspondiente. Luego de las M secuencias, en cada clase existir un cierto nmero de casos. La
probabilidad de ocurrencia de la clase ) ( A C
k
t
ser:
k
t
k
t
r
N
A C P =
1
)) ( ( en que:
k
t
r nmero de casos en el intervalo ) ( A C
k
t
.
35
ANEXO N5
CADENAS DE MARKOV
Como se indic previamente, este mtodo permite estudiar el comportamiento de un sistema que
evoluciona con el tiempo.
1. Caractersticas de una Cadena de Markov
Entre los elementos que caracterizan a una Cadena de Markov, es posible destacar:
i) El sistema se representa mediante una variable que describe el estado que l se encuentra.
Notacin: Xt : estado del sistema en el instante t
ii) En cada instante, el nmero de estados es finito, es decir, la variable que representa el
estado es discreta. As, para un sistema con J estados posibles:
J 1,...., j = =
j
t t
x X
representa el hecho de que el sistema se encuentra en el estado x
t
j
en el instante t.
iii) El sistema evoluciona, es decir, a medida que transcurre el tiempo pueden producirse
cambios en su estado.
iv) La variable tiempo es discreta, esto es, existe un nmero finito de perodos en los cuales es
posible estudiar el estado en que se encuentra el sistema.
El vector (X1 = x1; X2 = x2,...; X
T
= x
T
) representa la evolucin del sistema que pasa
consecutivamente por los estados x1, x2..., x
T
.
v) La condicin futura del sistema depende slo del estado presente y no de la evolucin
anterior. Es decir,
T a 1 t ) / ( ) X ,....., ; /X (
1 1 1 1 t 1 1
= = = =
+ + + + t t t t t t
X x X P X x X P
vi) La evolucin del sistema entre dos o ms perodos depende de la accin de una variable
aleatoria. Denominando a dicha variable, se cumple que:
T a 1 t ) , (
1
= =
+ t t t
X f X
vii) Conocida la condicin del sistema en un instante el estado de dicho sistema en el futuro
slo podr ser determinado a travs de una funcin de probabilidades, debido al efecto aleatorio t.
viii) Matriz de transicin entre estados, p(t,t+1)
Sea:
36
p(t,t+1) =
(
(
(
(
(
(
ii i i
i
p p p
p p p
2 1
1 12 11
p(t,t+1) es una matriz de transicin de estados si el elemento Pij representa la probabilidad de pasar
desde el estado Xi en el instante t al estado Xj en el instante t+1.
) / (
1 i t j t ij
X x X X P P = = =
+
p(t,t+1) debe cumplir con el par de condiciones:
I a 1 i 1
I a 1 j i, 0
1
= =
=
=
=
I j
j
ij
ij
P
P
ix) Conocida la distribucin de probabilidades para un perodo cualquiera y las matrices de
transicin para los perodos posteriores, es posible determinar la distribucin de probabilidades del
estado del sistema en cada uno de los perodos siguientes:
Sea P(Xt) el vector de distribucin de probabilidades del estado del sistema en el instante t:
r t r t
r t
p p X P
+ + + + +
+
=
, 1 2 t 1, t 1 t t,
t
.. .......... p p ) X ( ) (
En particular, para t =0
r r
r
p p X P
, 1 2 1, 0,1
0
.. .......... p p ) X ( ) (
=
x) Matriz de probabilidades condicionales, P(G
t
/X
t
). Con el fin de analizar el comportamiento
futuro de cualquiera funcin del estado del sistema, G
t
(X
t
), se construye la matriz de probabilidades
condicionales, P(G
t
/X
t
).
Sea
(
(
(
(
(
(
=
Ik I
k
t
c c
c c
X G P
1
1 11
t
) / (
P(G
t
/X
t
) : es la matriz de probabilidades condicionales de G
t
dado X
t
. Si el elemento C
ik
representa la probabilidad de que la variable G
t
tome el valor g
k
dado que el sistema se encuentra en
el estado x
i
a comienzos del periodo t, es decir:
37
) / (
i t t t ik
x X g G P C = = =
Debe cumplirse que:
I a 1 i 1
K a 1 k 0
1
= =
=
=
K
k
ik
ik
C
C
xi).- La distribucin de probabilidades de G(x
t
) en un periodo futuro t se obtiene a partir de la
distribuci6n de probabilidades del estado del sistema a comienzos del perodo t, P(X
t
) y de la
matriz P(G
t
/x
t
):
T a 1 t ) / ( ) ( ) ( = =
t t t t
X G P X P G P
Si se conoce la distribucin de probabilidades del sistema en el instante t = 0 y las matrices de
transici6n p
t,t+1
, se tendr:
T a 1 t ) / ( ...... ) ( ) (
, 1 2 , 0 1 , 0
0
= =
t t
t t
t
X G P p p p X P G P
2. Aplicacin al Modelo de Operaci6n del Lago Laja
Como se indico, mediante este procedimiento se determinan distribuciones de probabilidad para las
cotas finales en el lago Laja y el consumo de combustible. Se considera que tanto el consumo de
combustible, como el nivel del lago Laja a comienzos y fines de cada etapa son variables aleatorias
discretas.
Sean:
i
t
S :clase i del estado de lago Laja a comienzos del perodo t. (i = 1 I) en que I es el nmero de
clases.
j
t
S
1 +
: clase j del estado de lago Laja a fines de periodo t (j=1 a I).
k
t
T : clase k de consumo de combustible durante el periodo t. (k=1 a K)
) / (
1
i
t
j
t
S S P
+
: probabilidad de pasar del estado inicial
i
t
S al estado final
j
t
S
1 +
.
) / (
i
t
k
t
S T P : probabilidad de tener un consumo de carbn
k
t
T durante t dado que el estado inicial
es
i
t
S .
Con el fin de aplicar este mtodo es necesario conocer:
38
- Matriz de transicin de estados. Contiene las probabilidades de pasar desde cada estado inicial
posible a cada estado final. La matriz de transicin de estados se obtiene a partir de la matriz de
cotas finales dada la cota inicial e hidrologa, determinada en la fase de optimizacin.
Consideremos la columna de la matriz correspondiente al estado inicial
i
t
S y sean:
P(Ah) : probabilidad de ocurrencia de la hidrologa Ah
i h
t
S
,
1 +
: cotas a fines del perodo t (inicial del periodo t+1 asociada a la cota inicial
i
t
S y a la
ocurrencia de la hidrologa Ah.
{ }
j
t
S
1 +
: intervalo de la clase con centro en
j
t
S
1 +
.
El elemento i,j de la matriz de transicin vale:
) ( ) ( ) / (
1
1
h A P S S P
H
h
h
i
t
j
t
=
=
+
en que:
{ }
caso otro en 0
) (
si 1
1
,
1
=
+ +
h
S S
i
t
i h
t
- Matriz de probabilidades condicionales de consumos de carbn dado el estado del lago Laja a
comienzos del perodo. La matriz de probabilidades condicionales de consumos de carbn se
obtiene en forma similar a la matriz de transicin.
- Condicin del embalse a comienzos del primer ao del estudio. Una vez calculadas las matrices
) / (
1 t t
S S P
+
y ) / (
t t
S T P y conocida la condicin del lago Laja a comienzos del primer perodo, es
posible determinar las distribuciones de probabilidad.
Sean:
i
S
1
intervalo de clase al cual pertenece la cota a comienzos del primer ao.
) (
j
t
S P : probabilidad de estar en el intervalo de clase
i
t
S a comienzos del ao t.
El vector de probabilidad de estados en el perodo 1 vale:
| | | | 0 , ,......... 1 ,..., 0 , 0 ) ( ),...., ( ),......, ( ), ( ) (
1 1
2
1
1
1 1
= =
I i
S P S P S P S P S P
El vector de probabilidades para el consumo de carbn durante el primer perodo se obtiene
multiplicando:
39
) / ( ) ( ) (
1 1 1 1
S T P S P T P =
P(T
1
) : es la funcin de probabilidades de consumos de combustible durante el periodo 1. Con el fin
de calcular P(T
2
) se requiere conocer previamente P(S
2
), vector de probabilidades del estado del
embalse a comienzos del periodo 2. P(S
2
) puede calcularse a partir de P(S
2
/ S
1
) y P(S
1
):
) / ( ) ( ) (
1 2 1 2
S S P S P S P =
Conocido P(S
2
) , se determina P(T
2
):
) / ( ) ( ) (
2 2 2 2
S T P S P T P =
El procedimiento sealado puede repetirse en forma iterativa hasta completar todos los perodos.
En general,
) / ( ) ( ) (
1 1
=
t t t t
S S P S P S P
) / ( ) ( ) (
t t t t
S T P S P T P =
De esta forma, es posible determinar las funciones de distribucin de probabilidades de consumos
de carbn y condicin del lago Laja en cada ao del estudio.