Libro Plane Amien To

PLANEAMIENTO DE LA
EXPANSIÓN DE SISTEMAS DE
TRANSMISIÓN DE ENERGIA
ELÉCTRICA
RAMÓN ALFONSO GALLEGO RENDÓN

ANTONIO ESCOBAR ZULUAGA
Universidad Tecnológica de Pereira
Pereira - Risaralda - Colombia
RUBÉN AUGUSTO ROMERO LAZARO

UNESP
Ilha Solteira - SP- Brasil
ALCIR MONTICELLI
UNICAMP
Campinas - SP- Brasil
GRUPO DE PLANEAMIENTO EN SISTEMAS ELÉCTRICOS (GP)

UNIVERSIDAD TECNOLÓGICA DE PEREIRA
Introducción
El problema de planeamiento de sistemas de transmisión de largo plazo es un problema

clásico de sistemas de energı́a eléctrica cuyo modelamiento matemático ideal corresponde a
un problema de programación no lineal entera mixta (PNLIM) que presenta el fenómeno de
explosión combinatorial y, por lo tanto, objeto de muchas investigaciones que han empleado
diversas técnicas para resolver un problema complejo de este tipo. Las principales dificultades
en la solución de este problema están relacionadas con la naturaleza combinatorial del proceso de
planeamiento que normalmente conduce a un exploción combinatorial de alternativas, inclusive
en el caso de sistemas de tamaño medio. Además de esto, el problema presenta una estructura
multimodal con un número bastante elevado de óptimos locales, lo que lleva a la mayorı́a de
los métodos aproximados a parar en una solución óptima local, y en muchas ocasiones de
baja calidad. Para resolver este problema se presentan muchas alternativas en la literatura
especializada.
En este libro se presenta el problema de planeamiento estático de la expansión de los sistemas
de energı́a eléctrica. En este tipo de planeamiento, dada una configuración inicial y los datos
de generación y demanda del horizonte de planeamiento (además de otros datos como lı́mites
de operación, costos y restricciones de inversión), se quiere determinar el plan de expansión
con un costo mı́nimo, esto es, se debe determinar donde y que tipos de nuevos equipos deben
ser instalados. Naturalmente, este es un subproblema de un caso más general, denominado
planeamiento multietapa coordinado de la expansión donde, adicionalmente, se desea deter-
minar cuando instalar estos nuevos equipos. Estos resultados preliminares de planeamiento
serán analizados posteriormente y mejorados probando su desempeño a través de herramientas
de análisis más exactas como el flujo de carga AC, corto circuito, estabilidad transitória, etc.
El modelo estático puede ser modificado para convertir el problema de planeamiento en una
versión multietapa con coordinamiento entre las diferentes etapas, y de igual forma, el problema
de planeamiento puede adaptarse al contexto de un ambiente competitivo de mercado abierto
y de libre acceso.
Como todo problema de optimización matemática, el problema de planeamiento de sistemas
de transmisión puede ser separado en dos partes claramente definidas: la parte matemática y la
parte relacionada con la técnica de solución seleccionada para resolver el modelo matemático.
Los modelos matemáticos están claramente establecidos y han mostrado ser eficientes en la
representación del problema de la vida real. Respecto a los métodos de solución, esta es una
lı́nea de investigación en permanente desarrollo y puede decirse que aún queda mucho por hacer
i
en este aspecto.
En la literatura especializada existen tres tipos de modelos matemáticos para resolver el
problema de planeamiento: el modelo DC, el modelo de transportes y el modelo hı́brido. Tradi-
cionalmente, el modelo DC es considerado como el modelo ideal para representar el problema
de planeamiento y los otros modelos son versiones relajadas o simplificadas del modelo DC.
Para resolver estos modelos han sido usadas diferentes técnicas que pueden ser clasificadas en
tres grupos: los métodos heurı́sticos aproximados, los métodos de optimización clásica y los
métodos de optimización combinatorial.
Los métodos aproximados presentan la ventaja de entregar soluciones de buena calidad
con esfuerzos computacionales pequeños; sin embargo estos métodos raramente encuentran la
solución óptima de sistemas reales y no entregan información sobre la calidad de la solución
obtenida, esto es, no indican que tan cerca de la solución óptima se encuentra la solución
encontrada. Existen distintos algoritmos que emplean métodos aproximados o heurı́sticas que
son utilizados por las empresas eléctricas en el planeamiento de sistemas reales.
Los métodos de optimización clásica, generalmente usando técnicas de descomposición mate-
mática, presentan la caracterı́stica de que encuentran la solución óptima del problema de
planeamiento y son muy eficientes en sistemas de tamaño pequeño y mediano, sin embargo,
para sistemas de gran tamaño aún se presentan problemas de elevado esfuerzo computacional
y de convergencia. Existen varios algoritmos que encuentran la solución óptima del problema
de planeamiento cuando se usa el modelo de transportes y también existen varios algoritmos
que utilizan la descomposición de Benders para resolver el problema de planeamiento cuando
se usa el modelo DC.
Los métodos de optimización combinatorial como “Simulated Annealing”, Algoritmos Gené-
ticos, Búsqueda Tabú, GRASP, etc., fueron aplicados con éxito para resolver varios proble-
mas del campo de la investigación operacional y también en algunos problemas de ingenierı́a
eléctrica. Estos métodos presentan la caracterı́stica general de que convergen a soluciones
óptimas o cuasi-óptimas, con un esfuerzo computacional elevado.
En este libro se analizan varios tópicos de investigación, algunos de ellos originalmente
desarrollados por matemáticos. En consecuencia, se pueden presentar algunas diferencias con
las versiones originales presentadas por investigadores en artı́culos especializados, ası́ como
con las convenciones tradicionales usadas en libros de ingenierı́a, especialmente en sistemas de
potencia. Por ejemplo, al aplicar la primera ley de Kirchhoff a los nodos del sistema, se adopta
la convención de flujos de potencia mostrada en la figura 1.1.
En la figura 1.1, la primera ley de Kirchhoff en la barra k asume valor positivo cuando la
potencia está entrando en la barra y negativo cuando está saliendo de la barra k. Ası́, esta ley
para la barra k asume la siguiente forma:
−fkm − fkn − . . . + gk − dk = 0 (1)
En algunos libros de sistemas de potencia la convención asumida es exactamente al contrario,

lo que equivale la multiplicar la relación (1) por -1. También, en todos los ejemplos, en caso
que no sea especificado lo contrario, las impedancias están dadas en p.u. para una base de
ii
m
fkm
- d
m n
k *

- fkn
x -
gk H
HH
H
HHHH ?
H H
dn
j
HH
H
H .
H
?
dk .. ...
Figura 1.1: Convención de flujos de potencia.
100 MW, las potencias están dadas en MW y los módulos de tensión en todas las barras son
asumidas iguales a 1 p.u., como se asume en el modelo de flujo de carga DC en sistemas de
potencia.
Para el acompañamiento adecuado de los diferentes temas son necesarios conocimientos
básicos de tópicos de sistemas de energı́a eléctrica como el flujo de carga DC. De otro lado,
para una comprensión adecuada de los tópicos presentados, es altamente deseable conocimientos
de tópicos de una disciplina regular de programación lineal (PL).
Los modelos matemáticos y las técnicas de solución presentados, a veces tienen una forma
y estructura diferente a los presentados por los autores en las publicaciones originales, sin
embargo, en la mayorı́a de los casos, las técnicas de solución presentadas en el libro son con-
ceptualmente equivalentes a los trabajos originales. El motivo para realizar las modificaciones
mencionadas es el de uniformizar la simbologı́a utilizada y permitir que en todos los algorit-
mos que utilizan técnicas de programación lineal, la alternativa preferida sea la utilización de
un algoritmo de PL para fácilitar el trabajo de acompañamiento de los temas. Esta decisión
puede comprometer, en algunos casos, el desempeño de los algoritmos modificados presentados
en el libro en relación al esfuerzo computacional, esto es, los algoritmos originales que a veces
utilizan algoritmos especializados pueden ser, eventualmente, más rápidos que los algoritmos
presentados en este texto.
Los capı́tulos finalizan con una sección de notas y referencias históricas, y otra sección de
problemas. Las notas y referencias históricas hacen un análisis resumido de las principales
publicaciones relacionadas con temas abordados en el capı́tulo, especialmente en la evolución
de los tópicos relacionados con análisis teórico de la matemática y de las técnicas de solución.
También se presenta la história de la evolución de técnicas de solución en la búsqueda de las
soluciones óptimas de tres sistemas de prueba, muy conocidos en la literatura especializada en
planeamiento de la expansión de sistemas de transmisión, y del sistema eléctrico colombiano
iii
de 230/500KV. Estos sistemas son interesantes porque presentan niveles de complejidad muy
diferentes y también permiten verificar la complejidad del trabajo de planeamiento. Estos
sistemas son: sistema de 6 barras y 15 circuitos de Garver, sistema de 46 barras y 79 circuitos
del sistema sur brasilero reducido, el sistema de 87 barras y 183 circuitos del sistema norte-
nordeste brasilero reducido y el sistema de 93 barras y 155 circuitos del sistema colombiano
reducido. Los datos completos de estos sistemas se encuentran en el apéndice. La sección de
problemas constituye un complemento adecuado para un trabajo adicional que permita una
mejor comprensión del problema de planeamiento.
iv
CAPITULO 1
EL PLANEAMIENTO Y LA FUNCIÓN DEL

SISTEMA DE TRANSMISIÓN
El planeamiento de sistemas, dentro de las sociedades modernas, esta soportado conceptual-

mente en la maximización de los beneficios que serán obtenidos con el nuevo sistema, y la apli-
cación eficiente de los recursos. Esto subyace en las dimensiones espacial y temporal, siendo la
temporal determinante, tanto en la evaluación del costo financiero de los recursos como en la
oportunidad de respuesta de los agentes económicos.
En particular, el planeamiento de los sistemas eléctricos de potencia es un proceso a través
del cual se determinan y seleccionan las mejores alternativas para la combinación generación-
transmisión, que permitan satisfacer las exigencias de la demanda de electricidad con máximo
beneficio y mı́nimo costo.
Respecto al intervalo de tiempo afectado por las decisiones en el planeamiento eléctrico,
este puede ser de corto (1 dı́a a 5 años), mediano (5 a 10 años) y largo plazo (10 a 15 años). El
pronóstico de corto plazo es útil para el planeamiento operativo: composición de unidades de
generación, reserva rodante, entrada y salida de unidades, y programas de mantenimiento. El
pronóstico de mediano plazo tiene aplicación en la preparación de programas operativos y de
mantenimiento, planeación financiera y determinación de tarifas. El pronóstico de largo plazo
se aplica en el planeamiento de inversiones en generación y transmisión, y en el desarrollo de
la infraestructura de suministro de combustible primario para las unidades térmicas.
Con respecto a los elementos involucrados el planeamiento, este puede orientarse a la ge-
neración o a la transmisión. Este libro está orientado al análisis de las técnicas de solución del
problema de planeamiento de largo plazo (expansión) de los sistemas de transmisión.
El sistema de transmisión es la columna vertebral del sistema eléctrico, y sus funciones
pueden clasificarse como técnicas y económicas. Dentro de las funciones técnicas están: el
transporte de energı́a desde los grandes centros de generación hasta los grandes centros de
demanda, la interconexión de sistemas eléctricos de gran tamaño relativamente autónomos e
independientes, la interconexión de zonas dentro de un mismo sistema e incluso la interconexión
de subestaciones de distribución. Al cumplir estas funciones, el sistema de transmisión con-
tribuye a dar seguridad al conjunto del sistema, incrementando la confiabilidad de la prestación
1
2
del servicio. Desde el punto de vista económico, el sistema de transmisión permite seleccionar
las mejores opciones de suministro de energı́a tanto en el largo plazo, como soporte a la ex-
pansión de la generación, como en el corto plazo, en el despacho diario de las plantas de
generación. En un ambiente de libre mercado el sistema de transmisión es el lugar de encuentro
entre compradores y vendedores de energı́a eléctrica, es allı́ donde opera el mercado eléctrico y
donde se da el balance entre oferta y demanda, y donde se establecen las señales económinas
que determinan el precio de ésta energı́a.
Una mala decisión en el proceso de planeamiento de largo plazo incidirá negativamente en
el comportamiento del mercado eléctrico en el futuro, ya que el precio de la energı́a sufrirá un
inevitable crecimiento debido a las restricciones de transmisión que impiden el despacho ideal
de generación. La diferencia entre el precio establecido considerando los lı́mites de transmisión
del sistema y el precio establecido asumiendo capacidad ilimitada de la red, es definida como
el costo de las restricciones.
En un sistema centralizado, existe un ordenamiento para el desarrollo de los proyectos
de generación que hace que el planeamiento de la expansión del sistema de transporte tenga
definidos los puntos futuros de inyección de potencia. En un sistema descentralizado en la ge-
neración, la aparición de nuevos proyectos de generación es una nueva fuente de incertidumbre.
Incluso ocurre que proyectos de generación para los cuales se han tomado decisiones respecto
al sistema de transmisión, no son implementados por diversas razones, dejando inoperantes
algunas obras del plan de expansión del sistema de transmisión.
De esta forma, el enfoque de análisis, el tiempo de desarrollo de las obras, la financiación
de estas obras y los nuevos problemas técnicos que surgen en la fase de planeamiento, tienen
diferencias importantes respecto a un planeamiento centralizado.
De otra parte, las técnicas de análisis ası́ como las alternativas tecnológicas de que dispone
el planeador son amplias para dar solución a una gran variedad de problemas y situaciones. En
estos dos aspectos se pueden mencionar:
. Alternativas tecnológicas: Lı́neas compactas, reconductorización de lı́neas, compensación
de lı́neas, Transmisión DC, FACTs (Flexibles AC Transmissión System), SVC,PSS, etc.
. Técnicas de análisis: Técnicas de optimización exactas, técnicas de optimización heurı́sticas,
técnicas de optimización estocásticas, métodos de evaluación de confiabilidad, flujos de carga
(convencional o AC, lineal o DC, descoplado, desacoplado rápido, probabilı́stico, óptimo OPF),
métodos de evaluación de estabilidad estática, métodos de evaluación de estabilidad transitoria,
evaluación de despacho económico, técnicas de predicción de colapso de voltaje.
Entre los requerimientos que debe cumplir el planeamiento se tiene: flexibilidad ante un
plan de expansión de la generacion incierto, estabilidad en frecuencia, confiabilidad, seguridad
ante contingencia simple (n-1) y algunas contingencias múltiples, estabilidad de voltaje, acceso
a las redes por parte de todos los agentes del mercado, mı́nimo costo de inversión en elementos
nuevos, mı́nimo costo de operación y mantenimiento.
Respecto al método de solución, es importante que este pueda entregar señales económicas
que indiquen donde es atractivo construir nuevos proyectos de generación.
3
Un adecuado proceso de planeamiento presenta una secuencia de estudios a través de los

cuales se adopta a su vez una secuencia de decisiones a partir del tipo de resultados que entrega
cada estudio. Ası́ mismo, en la medida que se avanza en el proceso, aumenta el nivel de detalle y
la complejidad de los modelos matemáticos, y disminuye el número de alternativas que cumplen
los requerimientos.
Desde el punto de vista del análisis, es necesario definir claramente los objetivos que se
persiguen en el nuevo sistema. Tanto los objetivos como las restricciones técnicas, económicas
y de otro tipo, existentes en el sistema real, deben entonces ser modelados matemáticamente. El
conjunto objetivos-restricciones resultante, guiará el proceso de planeamiento en sus distintas
etapas y estudios, y conducirán finalmente a un grupo reducido de alternativas factibles o con
baja infactibilidad.
1.1 El Entorno de Planeamiento

En cualquier aplicación especı́fica de planeamiento se debe desarrollar un análisis que responda
a los objetivos previstos y que cumpla todas las restricciones. Para alcanzar estas metas se
deben considerar los siguientes elementos:
. Disponibilidad de información de la topologı́a y de los parámetros de los elementos que
conforman la red de transmisión actual.
. Disponibilidad de información de puntos de generación actual, capacidad de generación,
parámetros de las máquinas para estudios transitorios, restricciones de generación.
. Disponibilidad de información de costos de inversión, de operación y de mantenimiento
de lı́neas, subestaciones, transformadores y elementos de compensación.
. Tamaño de la demanda actual ası́ como sus caracterı́sticas básicas, tales como: composición
energı́a y potencia, uso de la electricidad, localización en la red actual.
. Definición del tipo de planeamiento: centralizado o descentralizado.
. Definición del esquema de mercado de electricidad. Aunque existen elementos comunes
entre los distintos desarrollos de mercados competitivos, pueden aparecer diferencias que hacen
que las metodologı́as de planeamiento deban responder a la solución de problemas que en otros
esquemas son inexistentes.
. Definición de la existencia de intercambios o de un mercado eléctrico con otros paises,
tanto para el momento del análisis como para el futuro. Debe definirse: fechas de entrada de
interconexiones futuras, la magnitud y el sentido de la potencia y la energı́a que se importa
o se exporta, y los comportamientos de los precios de los energéticos primarios usados en la
generación térmica y de la electricidad en los diferentes paises.
. Definición de los objetivos técnicos y económicos. En el caso de existir compromiso entre
objetivos (conflictos entre ellos o exclusión), se requiere además la definición de la importancia
relativa de un objetivo sobre otro.
4
. Medidas de desempeño que califican la operación actual y futura del sistema. Estas se
encuentran definidas generalmente en forma de restricciones o ı́ndices.
. Manejo del riesgo y la incertidumbre. En esta parte se aplica generalmente el método de
múltiples escenarios, el cual produce un gran número de futuros. Este método considera las
acciones que se deben tomar en cada escenario y su probabilidad de ocurrencia.
. Metodologı́a de pronóstico de la demanda futura: localización y magnitud.
. localización y magnitud de generación futura, especificando fechas probables de entrada,
tipo de combustibles, elasticidades entre combustible y energı́a eléctrica y caracterı́sticas básicas
como composición energı́a y potencia.
. Resultados del despacho hidrotérmico para distintos escenarios de generación futura, en
el caso de sistemas con generación hidraulica y térmica, y la verificación de que no existe
racionamiento en ningún periodo futuro.
. Alternativas técnicas y tecnológicas que serán consideradas.
. Normas y regulaciones legales que afectan las decisiones y que no han sido consideradas
en los objetivos ni en las restricciones.
. Metodológias, herramientas de análisis y modelos matemáticos que serán utilizados.
A continuación se hará una revisión breve de cada uno de estos aspectos.
1.1.1 Disponibilidad de información del sistema de transmisión y de

la generación actual
En todos los estudios que se deben realizar durante la solución del problema de planeamiento
se requieren datos, muchos de los cuales corresponden al sistema existente en el año de inicio
del análisis. Estos son compartidos por varios de los estudios. Se puede inferir que es necesario
construir una base de datos que contenga esta información de forma completa y que pueda ser
accesada por cualquiera de los programas que se construyan o se utilicen como soporte para el
análisis. El tipo de datos y las relaciones existentes entre ellos son dos factores importantes en
la selección de un sistema de base de datos. Las siguientes recomendaciones son importantes
en el proceso de obtención o determinación de los datos:
. Confiabilidad de la información.
. Modo de determinación de la información necesaria.
. Definición de las relaciones existentes entre los datos.
En los sistemas reales, la información existente es suministrada por los operadores del sis-
tema de transmisión y de las centrales de generación, o por los fabricantes de los equipos.
5
1.1.2 Disponibilidad de información de costos de inversión, de ope-

ración y de mantenimiento
La información de costos directos e indirectos, y que debe ser considerada en los estudios de
planeamiento, está relacionada con: costo por kilómetro para cada tipo de lı́nea de transmisión,
incrementos y/o factores correctores para lı́neas, costo en infraestructura de subestaciones,
costo de transformadores, costo de elementos de compensación reactiva, costos inherentes al fun-
cionamiento de la red de transporte que incrementan el costo resultante del despacho económico
considerando nodo único, costo de la energı́a que se pierde en los elementos de la red (aproxi-
madamente el 1.5 por ciento de la energı́a, con alta varı́abilidad), costo de administración
de la red de transporte y costo del mantenimiento de los equipos. Algunos de estos costos
son establecidos dentro del marco regulatorio de los paı́ses y son conocidos. Otros deben ser
determinados.
1.1.3 Tamaño de la demanda actual
La estimación de la demanda en cada nodo se obtiene distribuyendo la demanda total del

sistema entre las distintas subestaciones. Para esta caso se toma la demanda máxima, ocurrida
durante el año, y se distribuye entre las subestaciones utilizando factores de participación y de
diversidad.
1.1.4 Definición del tipo de planeamiento: centralizado o descen-

tralizado
En un ambiente centralizado, una organización gubernamental se ocupa de la toma de decisiones

en cuanto a la expansión del sistema. El plan de expansión en este ambiente corresponde a un
cronograma de puesta en operación de obras, las cuales han sido seleccionadas de conformidad
con un criterio de mı́nimo costo.
El problema de planeamiento en ambientes centralizados ha sido estudiado durante largo
tiempo y ha sido resuelto, aunque no en forma completa, usandel modelos matemáticos de
optimización. Este es el problema más común, ya que relativamente son pocos los paı́ses
que han adoptado el esquema de mercado de eléctricidad o desregulado. Una de las grandes
ventajas del planeamiento centralizado es su caracterı́stica de movilizar importantes cantidades
de recursos financieros. Esto le ha permitido aprovechar economı́as de escala, pero al mismo
tiempo, debido a su caracterı́stica de monopolio, ha dado lugar a altos costos en la prestación
de servicios e ineficiencias. El manejo tarifario ha sido guiado más por razones subjetivas,
que varı́an entre los paı́ses, que por los requerimientos de recuperación de costos, lo cual ha
producido un deterioro en su capacidad de captar recursos. Este tipo de planeamiento encuentra
como obstáculos: el rezago tarifario, los niveles de pérdidas altos y la falta de capacidad para
generar recursos propios para financiar el plan de expansión. En la medida en donde los
gobiernos están dispuestos a asumir todos los riesgos, los análisis de casos no son considerados
y los estudios de mı́nimo costo fallan. En consecuencia, los nuevos planes de expansión se
6
caracterizan por la sobreinstalación, los sobrecostos en las obras, los retardos en la puesta en
operación de proyectos nuevos, el aumento de los imprevistos, el rezago tarifario, etc.
En contraposición, la expansión en ambientes descentralizados se caracterı́za porque en
ella se distribuyen las decisiones entre un número de agentes que participan en un sistema
integrado, en un ambiente de libre competencia. En este, el balance entre la oferta y la demanda
indica de manera na-tural las necesidades de expansión del sistema. El problema se resuelve
entonces combinando objetivos y restricciones técnicas y económicas. Entre estas últimas deben
considerarse condiciones de mercado, inversiones combinadas de agentes propietarios y riesgos.
En este planeamiento, el capital privado no financiará nuevos proyectos a menos que ocurra un
balance adecuado entre riesgo y rendimiento. Al capital privado le interesa más la minimización
de los riesgos que la minimización de los costos. Uno de los riesgos más altos, involucrados en
el planeamiento descentralizado, es el denominado riesgo regulatorio, el cual está relacionado
con el comportamiento de los gobiernos y la parte del riesgo que estos asumen.
Matemáticamente, el problema de planeamiento descentralizado es mucho más complejo
de resolver debido al aumento de variables involucradas y a que un gran número de variables
económicas no están relacionadas con el modelo global a través de relaciones determinı́sticas
sino estocásticas. De otro lado, los esquemas de mercado no son idénticos entre sı́ y, por lo
tanto, cada uno debe ser modelado de forma que la representación matemática se corresponda
con el sistema real que se estudia.
1.1.5 Definición del esquema de mercado de electricidad
Como se mencionó antes, aunque existen elementos comunes entre los distintos desarrollos
de mercados competitivos, pueden aparecer diferencias que hacen que las metodologı́as de
planeamiento deban responder a la solución de problemas que en otros esquemas son inexis-
tentes.
Debido a la necesidad de corregir imperfecciones del mercado, tales como el monopolio, se
requiere crear condiciones de libre mercado y restringir la acción dominante de algunos agentes.
El estado es el encargado de crear las condiciones de libre acceso y mercado de electricidad.
En este contexto, el planeamiento es afectado, pero al mismo tiempo identifica acciones a nivel
de regulación y de incentivos (cargos por uso, etc) que deben implementarse para promover la
expansión del sistema.
Este aspecto del problema es de alta complejidad y diversidad, y merece un estudio inde-
pendiente.
1.1.6 Definición de los objetivos técnicos y económicos
La definición de planeamiento está estrechamente relacionada con la de los objetivos que se

persiguen. Estos han evolucionado, ası́ como las metodologı́as y las técnicas de planeamiento.
Uno de los objetivos principales es la sa- tisfacción de la demanda. Bajo un ambiente
sin restricciones (financieras, ambientales, etc) el objetivo de la prestación del servicio es la
7
satisfacción total de la demanda. En este caso, el planeamiento se encarga de determinar y

seleccionar la secuencia de obras que minimiza el valor presente de los costos de inversión y
operación requeridos para mantener el sistema funcionando adecuadamente respecto al conjunto
de las solicitudes de energı́a eléctrica.
Otro objetivo que persigue el planeamiento es el de minimizar el costo. Al encontrarse
conflictos entre objetivos (escasez de recursos, dificultad para obtener derechos de paso o res-
tricciones ambientales) se incluyó, además del objetivo de la satisfacción de la demanda, el
criterio de mı́nimo costo, en el cual se incluyen los costos propios del sistema (inversión, ope-
ración y mantenimiento) y el costo de indisponibilidad del servicio para el usuario. El objetivo
de satisfacción del servicio queda entonces subordinado a que el costo en donde se incurre para
atender la demanda sea inferior al costo, para los usuarios, de no disponer del servicio.
Además de los dos anteriores, el planeamiento tiene como objetivo, en los ambientes con
mercado de electricidad, permitir que en el sistema real la ley de oferta y demanda sea la que
determine el precio del mercado. Esto quiere decir que el sistema debe permitir libre acceso
a todos los agentes, sin restricciones, y que todos ellos deben poder alcanzar a cualquier otro
agente del sistema desde donde se encuentren. bajo este criterio, cada agente toma individual-
mente decisiones que conduzcan a maximizar la rentabilidad de sus inversiones, lo cual incluye
las acciones que puedan ser tomadas por la oferta, en la realización de nuevos proyectos, y las
acciones que puedan tomar los agentes del lado de la demanda, en cuanto al uso racional de la
energı́a y las polı́ticas de sustitución de energéticos.
Además de los anteriores, La solución del problema de planeamiento puede involucrar otros
objetivos, algunos de los cuales pueden estar en conflicto o no ser cuantificables en términos
de pesos por MW o pesos por MWh. En consecuencia, usualmente no es posible encontrar la
solución óptima desde toda la perspectiva de análisis. Por ejemplo, si se desea minimizar la
probabilidad de pérdida de carga (LOLP: Loss of Load Probability) y minimizar la inversión
total, los planes que logran los mı́nimos valores para el atributo LOLP requerirán redundancia
en obras y, por lo tanto, altos niveles de inversión. Como no existe un plan que minimice ambos
atributos, no hay un plan óptimo sino planes cuasi-óptimos. En estos casos se requiere definir
la importancia relativa entre ellos.
1.1.7 Medidas de desempeño que califican la operación actual y fu-

tura del sistema
Los criterios de planeamiento se valoran a través de un conjunto de medidas de desempeño,

con las cuales se mide la operación actual y futura de la red.
Las medidas de desempeño pueden ser medidas de funcionamiento (tal como la estabilidad
de voltaje, contingencia simple), restricciones (como la cargabilidad de las lı́neas y los trans-
formadores), o medidas del logro de un objetivo (como los ı́ndices de confiabilidad). En el
planeamiento descentralizado, es necesario considerar, además de los criterios determinı́sticos,
los criterios de base pro-babilı́stica, tales como la probabilidad de pérdida de carga LOLP. En
este ejemplo, el ı́ndice LOLP es una medida de la capacidad del sistema para lograr el objetivo
de atender la demanda.
8
1.1.8 Manejo del riesgo y de la incertidumbre
La actividad de planeamiento siempre ha tenido una incertidumbre y en consecuencia un riesgo

inherente. En los ambientes centralizados, el riesgo es asumido en su totalidad por los gobiernos
y, en consecuencia, sus efectos y su valoración se diluye, sin embargo, en los esquemas des-
regulados, la incertidumbre y el riesgo resultante son asumidos por los agentes participantes en
el mercado, y por lo tanto, éste debe ser adecuadamente valorado y considerado en el proceso
de planeamiento.
El riesgo es el peligro al que se está expuesto debido a las incertidumbres y está asociado
con las decisiones. Donde no existe incertidumbre, no hay alternativas de decisión y no hay
riesgo.
La incertidumbre existe cuando no puede predecirse con exactitud la evolución futura de
parámetros relevantes, basados en observaciones pasadas. Por ejemplo, existe incertidumbre
en el crecimiento de la demanda, en los precios de los combustibles, en la regulación, en el
desarrollo de los proyectos de expansión de la generación, en las hidrologı́as, etc.
Para enfrentar la incertidumbre en los procesos de planeamiento, la herramienta más uti-
lizada es el análisis de escenarios (también conocido como análisis de riesgos o decisiones). Un
escenario es un conjunto de desarrollos posibles de las incertidumbres y se crean asignando
valores a un grupo de parámetros inciertos, reflejando un posible (no confundir con probable)
estado futuro de los factores externos que afectan la planeación. El uso de escenarios múltiples
produce un gran número de futuros que buscan ilustrar el riesgo de forma que el planeador
tenga en sus manos toda la información necesaria para tomar la mejor decisión.
A partir de unos elementos y criterios predeterminados, resultado de la experiencia del
planeador y de la valoración de la situación actual de los parámetros claves sobre los que existe
mayor incertidumbre (en este caso el desarrollo de la expansión de la generación), se determinan
diferentes escenarios estratégicos dados por las diferentes posibilidades (de expansión del parque
generador).
1.1.9 Metodologı́a de pronóstico de la demanda futura
Cuando se habla de demanda de energı́a eléctrica se asocian las ventas de energı́a eléctrica y
las pérdidas de energı́a. Las ventas de energı́a son la componente de la demanda que está más
asociada al crecimiento económico y poblacional del paı́s.
En el proceso de planeamiento se requiere conocer la demanda actual y futura para el
horizonte de pronostico, ası́ como sus caracterı́sticas básicas, tales como: composición energı́a
y potencia, uso de la electricidad, distribución por sector de consumo, etc.
Las escalas de tiempo para las que es importante disponer de pronósticos de consumos de
energı́a eléctrica se pueden clasificar en tres grupos: Largo plazo más de 10 años, mediano plazo
desde 5 hasta 10 años y corto plazo el cual cubre desde un dı́a hasta 5 años.
Los pronósticos de largo plazo de la demanda deben considerar que el futuro está sujeto al
efecto de muchas incertidumbres que surgen de los cambios en las polı́ticas energéticas y en
9
el comportamiento de los consumidores. El consumo de energı́a responde a las necesidades de

desarrollo de los sistemas sociales o económicos.
El proceso de pronóstico de la demanda consiste en la determinación de su curva de cre-
cimiento futura a partir de la demanda actual. Existen varı́as técnicas matemáticas aplicables,
basadas tanto en modelos econométricos como en modelos analı́ticos. Estos involucran variables
claves inciertas, a través de las cuales se generan escenarios posibles de crecimiento. General-
mente se definen tres escenarios, un escenario bajo, uno medio y uno alto. En cada uno de
estos escenarios se asumen unas posibles evoluciones para las variables inciertas, basados en
proyecciones o estimativos. La construcción de escenarios de proyección para simular el compor-
tamiento de una varı́able incierta, como es la demanda de energı́a eléctrica, tiene como objetivo
brindar la mejor información posible sobre las trayectorias factibles de la misma a lo largo del
tiempo. Esta definición de escenario se concentra en el análisis de la factibilidad de ocurren-
cia de diferentes eventos relacionados con el comportamiento de los requerimientos futuros de
energı́a eléctrica. La experiencia muestra que la evolución de la demanda de energı́a eléctrica se
mantiene dentro del túnel de proyección delimitado por los escenarios bajo y alto. El ancho de
la franja está relacionado, básicamente, con el grado de conocimiento acerca de la evolución de
las variables exógenas. Son consideradas variables exógenas las tasas de crecimiento económico,
las varı́aciones en el sendero de evolución de las tarifas, los desarrollos tecnológicos, las alter-
nativas de sustitución de energéticos, los porcentajes de pérdidas esperadas, y el cambio en
patrones de consumo y actitudes de la población.
Las proyecciones de demanda son en términos generales especulativas, especialmente aque-
llas ma-yores a 10 año. Independientemente del método analı́tico usado, estas proyecciones
pretenden predecir comportamientos simultáneos de muchos agentes, de muchos factores y de
los ciclos económicos, que por definición, están todos sometidos a elevados grados de incertidum-
bre. Los cambios en la estructura económica de los paı́ses, la propia canasta energética y las
estructuras de precios no han logrado ser totalmente capturadas en los ejercicios de proyección
de demanda. La metodologı́a entonces pretende configurar escenarios energéticos problables
y no intenta acertar en determinados aspectos cuantitativos. sin embargo, estos escenarios
probables deben permitir construir polı́ticas cercanas a las necesidades futuras del sistema.
Finalmente, una vez estimada la demanda futura para el sistema completo, deben utilizarse
factores de distribución para asignar la cantidad correspondiente a cada nodo de carga del
sistema.
1.1.10 localización y magnitud de los nuevos puntos de generación
En el proceso de planeamiento de la transmisión se asume que se conocen con anticipación

las fechas de entrada de nuevos proyectos de generación, su ubicación dentro del sistema y
su capacidad. Esto significa que el planeamiento de la generación debe anteceder al de la
transmisión, aunque también es deseable que el plan de expansión de la transmisión entregue
señales técnicas o económicas que indiquen donde es deficitaria la inyección de potencia en el
sistema, y por lo tanto, es atractivo establecer nuevos proyectos de generación. La definición de
nuevos proyectos de generación maneja gran incertidumbre debido a que el rendimiento preciso
10
de estos no es conocido con antelación porque dependen de la hidrologı́a, de la disponibilidad

de combustible, del comportamiento del precio de la energı́a y de la normatividad variable.
1.1.11 Alternativas técnicas y tecnológicas
Estas afectan el proceso de planeamiento debido a que brindan alternativas atractivas en el

plan de obras. dentro de estas se consideran en la actualidad la gasificación del carbón, las
lı́neas convertibles AC-DC, las lı́neas compactas, la utilización de FACTS, SVC, PSS, etc.
1.1.12 Normas y regulaciones legales que afectan las decisiones
Son establecidas por los gobiernos y se encargan de fijar el marco regulatorio que rige las ac-
tividades relacionadas con el mercado de la electricidad. En estas se definen, entre otras cosas,
el papel del estado, el ente encargado de definir los planes de generación, transmisión y dis-
tribución, los requerimientos que debe cumplir el plan de expansión (calidad, confiabilidad,
seguridad, uso eficiente de recursos energéticos, cargabilidad de los elementos, etc), las condi-
ciones de acceso a la red, la forma de distribuir los costos entre los ususarios, la remuneración
de la red de transporte y la inversión en la red de transporte.
1.1.13 Metodológias, herramientas de análisis y modelos matemáticos
Estos aspectos serán tratados en detalle a partir del capı́tulo 2 del libro. Inicialmente se discuten
los modelos utilizados y posteriormente las metodologı́as matemáticas de optimización que se
aplican para resolver el problema a través de los modelos propuestos.
CAPITULO 2
MODELAMIENTO DEL PROBLEMA DE

PLANEAMIENTO DE SISTEMAS DE TRANSMISIÓN
La solución de todo el problema de optimización en ingenierı́a comprende la implementación de

dos procesos consecutivos: el modelamiento matemático y la técnica de solución seleccionada
para resolver ese modelo matemático. En el problema de planeamiento de sistemas de trans-
misión, un problema especı́fico de optimización de sistemas de energı́a eléctrica, también existen
estas dos etapas: modelamiento y técnica de solución. El modelamiento matemático del pro-
blema de planeamiento de sistemas de transmisión a largo plazo se presenta en este capı́tulo y
las diferentes técnicas de solución son presentadas en los capı́tulos siguientes.
El modelamiento matemático consiste en la representación de un problema de la vida real
por medio de un modelo matemático que relaciona un conjunto de variables de decisión, a través
de un conjunto de relaciones matemáticas que pueden asumir formas y tipos muy variados. El
modelamiento matemático puede ser una representación exacta o simplificada del problema de
la vida real. En general, cuanto más exacto es el modelamiento matemático que representa un
problema de la vida real, más compleja es la solución de ese modelo matemático. Ası́, debe
existir un compromiso entre el mo-delamiento matemático adoptado y la técnica de solución
seleccionada: el modelamiento matemático debe representar de manera adecuada el problema
de la vida real y, además de eso, permitir su solución a través de técnicas disponibles y con
esfuerzos computacionales aceptables. En este contexto, el concepto de modelamiento adecuado
varı́a con el tiempo porque modelos muy complejos pueden volverse adecuados en el futuro
con el surgimiento de nuevas técnicas de solución y/o la fabricación de computadores mucho
más veloces que los disponibles actualmente. Es también evidente que la técnica de solución
seleccionada encuentra una solución para el modelo matemático y no necesariamente para el
problema de la vida real.
En el planeamiento de sistemas de transmisión, el problema de la vida real es un sistema
eléctrico con una topologı́a actual, en el cual se desea encontrar el plan de expansión óptimo
(construcción de nuevos circuitos) para un horizonte de planeamiento definido, esto es, donde
y que equipos deben ser adicionados para que el sistema opere adecuadamente en un hori-
zonte de planeamiento para un crecimiento especificado de la demanda. En ese contexto, el
modelamiento matemático ideal para indicar la operación adecuada serı́a la representación
11
12
del problema por medio de relaciones matemáticas de flujo de carga AC. De otro lado, en
el planeamiento de sistemas de transmisión no se usa el modelamiento matemático de flujo de
carga AC por varios motivos, de los cuales los más importantes son los siguientes: (1) en general
la topologı́a inicial del sistema eléctrico usada en planeamiento es un sistema no conexo, esto
es, el sistema presenta un conjunto de barras aisladas o desconectadas de la parte principal del
sistema y, por lo menos en el contexto actual, no es posible resolver sistemas de este tipo usando
el modelamiento matemático de flujo de carga AC y las técnicas de solución conocidas para
resolver este tipo de problemas; y (2) el problema de planeamiento de sistemas de transmisión
resuelve solamente el suministro de potencia activa en el sistema eléctrico; el problema de
suministro de reactivos (planeamiento de reactivos) se resuelve posteriormente. En este último
caso, a menos que el sistema eléctrico sea conexo, la convergencia del modelo AC serı́a difı́cil,
pues el problema generalmente no converge. Además de esto, no existen técnicas de solución
que resuelvan simultáneamente los problemas de la expansión de los sistemas de transmisión
(construcción de lı́neas y/o transformadores en planeamiento de sistemas de transmisión) y de
ubicación de reactivos en el sistema eléctrico.
Teniendo en cuenta las observaciones anteriores, actualmente se considera al modelamiento
matemático, conocido como flujo de carga DC, como el modelamiento ideal para ser usado en
el problema de planeamiento de sistemas de transmisión y ese modelamiento será denominado
en este libro modelo DC. Los principales motivos para este consenso son los siguientes: (1)
pruebas experimentales exhaustivas muestran que los resultados obtenidos usando el modelo
DC presentan resultados muy próximos a los resultados obtenidos usando el flujo de carga AC
en relación a la distribución de los flujos de potencia activa; y (2) existen diferentes técnicas
de solución (algoritmos) que resuelven de manera adecuada los problemas de planeamiento
que utilizan el modelo DC. De otro lado, en las tres décadas de investigaciones realizadas en
planeamiento de sistemas de transmisión han sido propuestos varios modelos matemáticos para
representar el problema de planeamiento. Tres de esos modelos aún se utilizan en los trabajos
de planeamiento de sistemas de transmisión, estos son: modelo de transportes, modelo hı́brido
y modelo DC. También, se usan variantes de estos modelos. En este capı́tulo se presentan y
discuten estos tres modelos matemáticos y sus principales variantes.
Usando los tres modelos matemáticos mencionados anteriormente, el problema resultante es
un problema de optimización matemático que involucra relaciones algebraicas lineales y/o no
lineales y con variables de decisión enteras y reales. Ası́, los problemas resultantes correspon-
den a un campo de la investigación operacional conocido como programación no lineal entera
mixta y, en principio, para resolver estos problemas pueden usarse las técnicas de solución de
problemas de programación lineal entera mixta (PNLIM).
El modelo DC usa las dos leyes de Kirchhoff para realizar el modelamiento matemático del
problema de planeamiento. Los modelos de transportes e hı́brido son versiones aproximadas
del modelo DC considerado como el modelo ideal. Los motivos y las consecuencias de usar
modelos relajados son discutidos en los próximos capı́tulos.
13
2.1 Modelo de Transportes

El modelo de transportes fué la primera propuesta sistemática de modelamiento matemático
usado con éxito en el problema de planeamiento de sistemas de transmisión. El modelo fué
propuesto por Garver en [22] y representó el inicio de una sistematización de investigaciones
en los problemas de planeamiento de sistemas de transmisión sugiriendo el uso de modelos
diferentes para los problemas de operación y de planeamiento.
Garver sugiere que debido a los grandes problemas que surgen al usar el modelo de flujo de
carga AC, utilizado para operación, se deben usar modelos más relajados que permitan encon-
trar topologı́as o configuraciones atractivas, ası́, sugiere la utilización de un modelo matemático
que debe satisfacer solamente la primera ley de Kirchhoff, esto es, el modelamiento matemático
propuesto no tiene en cuenta la segunda ley de Kirchhoff. Este modelo matemático es cono-
cido como modelo de transportes. Obviamente, este modelamiento matemático es una repre-
sentación menos adecuada del problema real que, por ejemplo, el modelo DC y, por lo tanto, la
solución encontrada por el modelo de transportes puede ser menos adecuada para el problema
real.
En el modelo de transportes se desea encontrar una configuración que produzca la menor
inversión en el plan de expansión del sistema eléctrico y condiciones adecuadas de operación
de este sistema eléctrico. Condiciones adecuadas de operación significan que el sistema debe
satisfacer la primera ley de Kirchhoff y que los circuitos y las unidades de generación operen
dentro de sus lı́mites especificados. La primera ley de Kirchhoff simplemente especifica que
la sumatoria de los flujos de potencia que entran a una barra del sistema debe ser igual a la
sumatoria del flujo de potencia que sale de esa barra del sistema.
2.1.1 Modelo Matemático
Usando el modelo de transportes, el modelamiento matemático del problema de planeamiento

de sistemas de transmisión asume la siguiente forma:
X
min v = cij nij (2.2)
(i,j)
s.a.
S f +g =d
|fij | ≤ (nij + noij )f ij
0≤g≤g
0 ≤ nij ≤ nij
nij entero
fij irrestricto
en donde v es la inversión debido a adiciones de circuitos en el sistema, cij es el costo de un

circuito en el camino i − j, nij es el número de circuitos adicionados en el camino i − j, S es
14
la matriz de incidencia de ramas del sistema eléctrico, f es el vector de flujos cuyos elementos
fij representan el flujo total en el camino i − j, g es el vector de generación cuyos elementos
gi representan el nivel de generación en la barra de generación i, d es el vector de demanda
cuyos elementos di representan la demanda en la barra de carga i, noij representa el número
de circuitos en la configuración base en el camino i − j, f ij es el flujo máximo permitido
para un circuito en el camino i − j, g es el vector de máxima capacidad de generación en
las barras de generación y nij es el vector del número máximo de adiciones permitidas en el
camino i − j. Las variables de decisión y la estructura matemática del modelo de transportes
presentado originalmente por Garver es diferente de (2.2) sin embargo las dos formulaciones
son conceptualmente equivalentes, ver referencia [22].
En el modelo de transportes, el conjunto de restricciones S f + g = d representan las
ecuaciones correspondientes a la primera ley de Kirchhoff, una ecuación para cada barra del
sistema; las restricciones |fij | ≤ (nij + noij )f ij representan las restricciones de capacidad de
transmisión de los circuitos (lı́neas y/o transformadores) y el valor absoluto es necesario pues
los flujos de potencia pueden fluir en los dos sentidos. Las otras restricciones son triviales y
representan apenas restricciones de lı́mite de generación y de los circuitos adicionados en cada
camino candidato i − j. Finalmente, las variables fij son irrestrictas en valor y las variables nij
deben ser enteras, representando la mayor fuente de complejidad en el problema.
Desde el punto de vista de la investigación operacional el sistema (2.2), o modelo de trans-
portes, es un problema de programación lineal entero mixto (PLIM). La solución del problema
(2.2), esto es, encontrar la solución óptima de este problema no es simple, especialmente para
sistemas eléctricos de gran tamaño. De otro lado, si fuesen permitidas adiciones fraccionarias
de circuitos (lı́neas de transmisión y/o transformadores), es decir, si es permitido que los nij
asuman valores reales, entonces el sistema (2.2) se transforma en un simple problema de progra-
mación lineal (PL) lo mismo para el caso de sistemas de gran tamaño. Ası́, es evidente que la
restricción nij entero produce la mayor complejidad en el problema (2.2). Estas caracterı́sticas
serán aprovechadas para desarrollar varios tipos de algoritmos para resolver el problema de
planeamiento de sistemas de transmisión cuando se usa el modelo de transportes.
La gran ventaja del modelo de transportes es que prácticamente no existe diferencia entre
resolver problemas de sistemas conexos y altamente aislados. Esta caracterı́stica surge directa-
mente del hecho de que la solución del modelo de transportes no depende de las reactancias de
los circuitos. Se debe observar que en la formulación matemática, problema (2.2), no aparecen
las reactancias (o susceptancias) de los circuitos. La desventaja principal es que la solución
presentada por el modelo de transportes puede estar distante de la solución correspondiente al
modelo DC, considerado como modelo ideal. En otras palabras, la solución óptima del modelo
de transportes a veces puede resultar muy alejada de la solución óptima del modelo DC pues la
solución del modelo de transportes no necesariamente satisface la segunda ley de Kirchhoff. A
continuación se presentan varios ejemplos de modelamiento usando el modelo de transportes.
15
2.1.2 Ejemplo 2.1: Sistema de 3 Barras
La figura 2.1 es usada para presentar el modelo de transportes de un sistema de 3 barras y 3

circuitos de un sistema de transmisión. Los datos de este sistema, que también son mostrados
en la figura 2.1, son los siguientes:
Costo de los circuitos: c12 = 3, c13 = 2 y c23 = 2 US$
Susceptancias: γ12 = 31 , γ13 = 1
2
y γ23 = 1
2
(p.u. para una base de 100 MW).
Generación máxima y carga: g = 80 M W , d2 = 60 M W e d3 = 20 MW.
Flujo máximo por lı́nea: f 12 = 35 M W , f 13 = 40 M W y f 23 = 40 MW.
Número máximo de adiciones permitida por camino: n12 = n13 = n23 = 2.
1 f 12 = 35 M W c12 = 3 2
u- ................................................................. - 60
f13 f12 - γ12 = 13 f23 ......
g 1 = 80......@
.. .
.@
.@ ...
..
..@
R
.. .
@ .. f 13 = 40 f 23 = 40 ...
.. .
c13 = 2
@
.@
.. .. c23 = 2
.@ 3 ...
γ13 = 2 1 .. .. γ 23 = 2
1
.@
.. ..
...... .......
PB = 100 M W - 20 M W
Figura 2.1: Sistema inicial de 3 barras.
En todos los ejemplos, se debe seleccionar un sentido para los flujos fij . Aunque esta
escogencia sea arbitraria, en todos los ejemplos presentados los sentidos de los flujos en cada
camino es seleccionado en el sentido de la barra de numeración menor a la barra de numeración
mayor, como se muestra en la figura 2.1. Obviamente, la solución del problema debe mostrar el
sentido correcto de los flujos para cada ejemplo. Las ecuaciones correspondientes a la primera
ley de Kirchhoff, aplicadas para cada barra, considerando positivo el flujo que entra en la barra,
son:
Barra 1: −f12 − f13 + g1 = 0
Barra 2: f12 − f23 − 0, 6 = 0
Barra 3: f13 + f23 − 0, 2 = 0
Las inecuaciones correspondientes a los lı́mites de capacidad de transmisión producen las
siguientes relaciones:
Circuito 1-2: |f12 | ≤ 0, 35(1 + n12 )
Circuito 1-3: |f13 | ≤ 0, 40(1 + n13 )
Circuito 2-3: |f23 | ≤ 0, 40(1 + n23 )
16
La restricción sobre capacidad de generación produce la siguiente restricción:

Barra de generación 1: 0 ≤ g1 ≤ 0, 80
Las restricciones sobre el número máximo de adiciones permitidas en cada camino candidato
producen las siguientes restricciones:
Camino 1-2: 0 ≤ n12 ≤ 2
Camino 1-3: 0 ≤ n13 ≤ 2
Camino 2-3: 0 ≤ n23 ≤ 2
La función objetivo asume la siguiente forma: min v = 3n12 + 2n13 + 2n23
Ası́, para el ejemplo, el modelamiento matemático asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 (2.3)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
|f12 | ≤ 0, 35(1 + n12 )
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40(1 + n23 )
0 ≤ g1 ≤ 0, 80
n12 ∈ {0, 1, 2}
n13 ∈ {0, 1, 2}
n23 ∈ {0, 1, 2}
f12 , f13 , y f23 irrestrictos
Las incógnitas en el problema son: v, n12 , n13 , n23 , f12 , f13 , f23 y g1 .
Las ecuaciones correspondientes a la primera ley de Kirchhoff pueden ser representadas en
la siguiente forma matricial:
-1 -1 f12 g1
1 -1 f13 + = 0,60
1 1 f23 0,20
En el sistema anterior, se puede observar una matriz S conocida como matriz de incidencia
de ramas del grafo del sistema eléctrico:
17
1 2 3
6
1 -1 -1
S= 2 1 -1 nb
3 1 1
?
nl -
En la matriz S existe una columna para cada rama candidata y una lı́nea para cada barra del
sistema, ası́, la dimensión de S es nb × nl . Los elementos de S pueden ser obtenidos fácilmente
usando la siguiente regla: cada columna de S (columna de una rama) posee únicamente dos
elementos diferentes de cero, vale 1 si el flujo en la rama analizada está entrando en la barra y
-1 si el flujo está saliendo de la barra.
Teniendo en cuenta las siguientes notaciones vectoriales:
         
h i n12 1 f12 g1 0
c= 3 2 2  n13 
n= 
no = 
 1 

 f13 
f = 
 0 
g= 
d=
 0, 60 

n23 1 f23 0 0, 20
el problema (2.3) asume una forma equivalente al problema (2.2).
2.1.3 Ejemplo 2.2: Sistema de 3 Barras Modificado
Se presenta en la figura 2.2 el mismo sistema de 3 barras de la figura 2.1 sin embargo ahora no
existe lı́nea en el camino 1-2 en la configuración base.
1 f12 - 2
u-................................................................. - 60
g1 ......@
.. .......
.@
.. ...
.@ .
.. @ f13 f ...
.. @ 23 ...
.R
..
@
.. ...
@
.@ 3 ..
.. ..
.@
.. ..
...... .......
- 20 M W
Figura 2.2: Sistema de 3 barras modificado.
En este caso, la única diferencia aparece en la cuarta restricción pues ahora no existe lı́nea en
la rama 1-2 en la configuración base y, por lo tanto, no12 = 0. Ası́, el modelamiento matemático
asume la siguiente forma:
18
min v = 3n12 + 2n13 + 2n23 (2.4)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
|f12 | ≤ 0, 35n12
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40(1 + n23 )
0 ≤ g1 ≤ 0, 80
n12 ∈ {0, 1, 2}
n13 ∈ {0, 1, 2}
n23 ∈ {0, 1, 2}
2.1.4 Ejemplo 2.3: Caso Especial - Sistema de 3 Barras Completa-

mente Aislado
En la figura 2.3, se presenta el sistema de 3 barras completamente aislado en el cual no existen

circuitos en la configuración base.
1 f12 - 2
u-.................................................................
- 60
g1 ....... .......
.. ..
.. .
.. ..
..@@ f13 f23 ...
..
R ..
.. ..
.. ..
.. 3 ..
.. ..
.. .
...... .......
- 20 M W
Figura 2.3: Sistema de 3 barras aislado.
En este caso se pretende realizar el planeamiento de un sistema que no existe, esto es, no
existen circuitos en la configuración base y, por lo tanto, el sistema está completamente aislado.
De otro lado, en el modelamiento matemático apenas varı́an las restricciones correspondientes
19
a los lı́mites de flujos en los circuitos pues ahora no12 = no13 = no23 = 0. Ası́, el modelamiento
matemático asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 (2.5)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
|f12 | ≤ 0, 35n12
|f13 | ≤ 0, 40n13
|f23 | ≤ 0, 40n23
0 ≤ g1 ≤ 0, 80
n12 ∈ {0, 1, 2}
n13 ∈ {0, 1, 2}
n23 ∈ {0, 1, 2}
2.2 Modelo Hı́brido No Lineal

El modelo hı́brido fué propuesto originalmente en [87] en un contexto y en una estructura
diferente a la presentada aquı́. En la formulación más pura, el modelamiento matemático
del modelo hı́brido especifica lo siguiente: la parte del sistema eléctrico correspondiente a los
caminos en donde ya existen circuitos en la configuración base deben satisfacer las dos leyes de
Kirchhoff y la otra parte corres-pondiente a los caminos nuevos en donde no existen circuitos en
la configuración base debe satisfacer únicamente la primera ley de Kirchhoff. En consecuencia,
el modelo hı́brido es una mezcla entre el modelo de transportes y el modelo DC. Obviamente,
una vez definido el modelamiento matemático de esta manera, la solución óptima encontrada
también debe satisfacer las dos leyes de Kirchhoff en la parte del sistema donde existen circuitos
en la configuración base y solamente la primera ley de Kirchhoff en la parte del sistema donde
no existen circuitos en la configuración base. En otras palabras, en el modelo hı́brido, se
debe satisfacer la primera ley de Kirchhoff en todas las barras del sistema y la segunda ley de
Kirchhoff solamente en aquellos lazos que ya existen en la configuración base. Ası́, por ejemplo,
si en el proceso de planeamiento fue adicionado un circuito en un camino nuevo, entonces los
lazos que eventualmente pueden aparecer como consecuencia de la adición de este circuito no
están obligados a satisfacer la segunda ley de Kirchhoff. Aquı́ reside la diferencia principal entre
esta formulación del modelo hı́brido y la propuesta presentada en [87] donde el modelamiento
hı́brido se usa simplemente como una ayuda para el indicador de sensibilidad del algoritmo
20
heurı́stico propuesto. De otro lado, en [87] aparece la primera propuesta de modelamiento

hı́brido para ser usada en el problema de planeamiento de sistemas de transmisión.
La idea de usar el modelo hı́brido en el problema de planeamiento de sistemas de trans-
misión es la de resolver algunos problemas que presentaban los modelos de transportes y DC. El
modelo de transportes presenta una excelente flexibilidad para trabajar con redes no conexas,
sin embargo, las soluciones encontradas pueden resultar muy alejadas de la solución óptima
del modelo DC. Por otro lado, el modelo DC puede presentar serios problemas para trabajar
con redes no conexas. Ası́, el modelo hı́brido permite encontrar soluciones más prox́imas a la
solución óptima del modelo DC, con la ventaja de trabajar eficientemente en la parte corre-
spondiente a partes no conexas del sistema. De otro lado, encontrar la solución óptima del
problema de planeamiento de sistemas de transmisión usando el modelo hı́brido, definido ante-
riormente, es de una complejidad cuasi-equivalente al modelo DC. Este hecho explica, en parte,
la falta de investigaciones publicadas usando el modelo hı́brido de manera independiente. Ası́,
la versión del modelo hı́brido, que está siendo presentada y las diferentes variantes que aparecen
en la literatura especializada, se usan únicamente con el propósito de ayudar en el proceso de
solución del modelo DC en algoritmos de planeamiento de sistemas de transmisión [72, 87].
De otro lado, existe un modelamiento hı́brido alternativo que produce un modelamiento lineal
que puede ser usado aisladamente en el problema de planeamiento de sistemas de transmisión
[7, 42]. Este modelamiento alternativo se presenta separadamente.
La formulación matemática del modelo hı́brido asume la siguiente forma:
X
(i,j)
s.a.
S f +g =d
fij − (γijo + γijeq )(θi − θj ) = 0 ∀(i, j) ∈ Ω1
0≤g≤g
0 ≤ nij ≤ nij
nij entero
γijeq discreto
fij irrestricto
θj irrestricto ∀j ∈ Ω3
en donde γijo es la susceptancia equivalente a los circuitos existentes en el camino i − j

en la configuración base, γijeq es la susceptancia equivalente de los circuitos adicionados en el
camino i − j en el proceso de optimización, Ω1 representa el conjunto de circuitos existentes
21
en la configuración base, Ω2 representa el conjunto de circuitos correspondientes a los nuevos

caminos (Ω = Ω1 ∪ Ω2 ), Ω3 representa el conjunto de barras que hacen parte de la configuración
base, esto es, las barras que están conectadas, y θj es la magnitud del ángulo de la tensión de
las barras existentes en la configuración base, esto es, para las barras que pertenecen a Ω3 .
En el sistema (2.6), el conjunto de ecuaciones S f + g = d representan las ecuaciones de
la primera ley de Kirchhoff, una ecuación por barra, para todas las barras del sistema y el
conjunto de ecuaciones fij − (γijo + γijeq )(θi − θj ) = 0 representan las ecuaciones correspondientes
a la segunda ley de Kirchhoff, con una ecuación para cada camino que presenta por lo menos un
circuito en la configuración base. Este último conjunto de ecuaciones representa la diferencia
entre los tres modelos matemáticos que están siendo presentados. En el modelo de transportes,
el conjunto de ecuaciones fij − (γijo + γijeq )(θi − θj ) = 0 simplemente no aparecen ya en el
modelo hı́brido, aparecen solamente una parte de esas ecuaciones constituı́das por los caminos
en donde existen circuitos en la configuración base y, finalmente, en el modelo DC aparecen
todas las ecuaciones de este tipo, una para cada camino existente y/o para los nuevos caminos
candidatos.
La presencia de todas las ecuaciones correspondientes a la segunda ley de Kirchhoff en el
modelo DC transforma este modelo en un problema más restricto que los otros modelos. Ası́,
desde el punto de vista de optimización matemática, se puede decir que el modelo hı́brido es un
problema relajado en relación al modelo DC, esto es, un conjunto de restricciones presentes en
el modelo DC se han eliminado en el modelo hı́brido. De igual manera, el modelo de transportes
es un problema relajado en relación a los modelos hı́brido y DC pues en el modelo de transportes
se han eliminado todas las restricciones correspondientes a la segunda ley de Kirchhoff. Una
consecuencia natural de ese proceso de relajación, es que una solución óptima para el modelo
de transportes no necesariamente es una solución óptima para los modelos hı́brido y DC y,
frecuentemente, una solución óptima del modelo de transportes puede ser infactible en relación
a los otros modelos. La misma observación es verdadera con la solución óptima del modelo
hı́brido en relación al modelo DC. Es un asunto abierto al análisis teórico y experimental el
determinar que tan buenas pueden ser las soluciones encontradas por los modelos relajados.
La ventaja evidente de los modelos relajados es que pueden ser más fácilmente resueltos. Una
observación importante es verificar que las ecuaciones de la segunda ley de Kirchhoff, fij −
(γijo + γijeq )(θi − θj ) = 0, son ecuaciones o restricciones no lineales transformando el problema en
no lineal y produciendo un nivel de complejidad mayor en relación al modelo de transportes.
Después de algunas manipulaciones algebraicas, se puede llegar a una formulación equiva-
lente que asume la siguiente forma:
X
(i,j)
s.a.
S2 f2 + B1 θ1 + g = d
|θi − θj | ≤ φij ∀(i, j) ∈ Ω1
|fij | ≤ f ij nij ∀(i, j) ∈ Ω2
0≤g≤g
22
0 ≤ nij ≤ nij
nij entero
γijeq discreto
fij irrestricto ∀(i, j) ∈ Ω2
en donde S2 es la matriz de incidencia de ramas de la parte de las ramas que no tienen circuitos
en la configuración base, (circuitos que pertenecen a Ω2 ), f2 es el vector de flujos de los circuitos
que pertenecen a Ω2 , B1 es la matriz de susceptancias de la parte de los circuitos que presentan
circuitos adicionados en la configuración base (circuitos que pertenecen a Ω1 ) y θ1 es el vector de
ángulos θj ∈ Ω3 , esto es, de barras conectadas a la configuración base. Ası́, S2 es de dimensión
nb × nc en donde nb es el número de barras y nc el número de nuevos caminos y, los circuitos de
S2 , correspondientes a barras para las cuales no llega un camino nuevo tiene todos sus elementos
iguales a cero; f2 es un vector de dimensión nc; B1 es de dimensión nb × nb en donde las lı́neas
y columnas de B1 correspondientes a las barras conectadas tienen todos sus elementos iguales
a cero y θ1 es un vector de dimensión nb en donde las posiciones correspondientes a barras
conectadas tienen valores iguales a cero.
2.2.2 Ejemplo 2.4: Equivalencia entre las dos formulaciones matemáticas
Para mostrar que ambas formulaciones matemáticas son equivalentes usamos el sistema de 3
barras del ejemplo 2.2 que se muestra en la figura 2.4 con las incógnitas del problema.
1 f12 - 2
u-.................................................................
- 60
g1 ......@
.. .......
.@
. ...
θ1 .. .. θ2
.. @ f13 f23 ....
@ .. @
..
R
..
@
.@
.. ..
.@ .
.. 3 ..
.@
.. ...
...... .......
- 20 M W
θ3
Figura 2.4: Formulación del Modelo Hı́brido.
Usando la primera formulación, las principales relaciones matemáticas asumen la siguiente

forma:
1. Ecuaciones de la primera ley de Kirchhoff:

Barra 1: −f12 − f13 + g1 = 0
Barra 2: f12 − f23 = 0, 60
23
Barra 3: f13 + f23 = 0, 20
2. Ecuaciones de la segunda ley de Kirchhoff:

eq
Circuito 1-3: f13 = ( 12 + γ13 )(θ1 − θ3 )
eq
Circuito 2-3: f23 = ( 21 + γ23 )(θ2 − θ3 )
3. Inecuaciones correspondientes a los lı́mites de flujos:

Circuito 1-2: |f12 | ≤ 0, 35 n12
Circuito 1-3: |f13 | ≤ 0, 40(1 + n13 )
Circuito 2-3: |f23 | ≤ 0, 40(1 + n23 )
Las otras restricciones son triviales y ası́, para el ejemplo y usando la primera formulación,
el modelamiento matemático del modelo hı́brido asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 (2.8)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
1 eq
f13 = ( + γ13 )(θ1 − θ3 )
2
1 eq
f23 = ( + γ23 )(θ2 − θ3 )
2
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40(1 + n23 )
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq 1
γ13 y γ23 ∈ {0, , 1}
2
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
θ1 , θ2 , y θ3 irrestrictos
24
eq eq eq
Las incógnitas en el problema son: v, n12 , n13 , n23 , γ12 , γ13 , γ23 , f12 , f13 , f23 , θ1 , θ2 , θ3 ,
y g1 . Obviamente, de la formulación matemática se pueden eliminar las incógnitas γijeq (o nij )
usando la relación γijeq = γij nij .
En (2.8), se puede substituir f13 y f23 de las ecuaciones de la segunda ley de Kirchhoff en
las ecuaciones de la primera ley de Kirchhoff y en las restricciones de lı́mites de flujos para
obtener las siguientes relaciones:
1. Sustituyendo en las ecuaciones de la primera ley de Kirchhoff:
1 eq
f12 − ( + γ13 )(θ1 − θ3 ) + g = 0
2
1 eq
−f12 − ( + γ23 )(θ2 − θ3 ) = 0, 60
2
1 eq 1 eq
( + γ13 )(θ1 − θ3 ) + ( + γ23 )(θ2 − θ3 ) = 0, 20
2 2
o en la forma matricial:
eq eq
-1 −( 21 + γ13 ) 0 ( 12 + γ13 ) θ1 g1 0
eq eq
1 f12 + 0 −( 12 + γ23 ) ( 12 + γ23 ) θ2 + 0 = 0, 60
eq eq eq eq
0 ( 12 + γ13 ) ( 12 + γ23 ) −(1 + γ13 + γ23 ) θ3 0 0, 20
⇑ ⇑
S2 B1
2. Sustituyendo en las restricciones de lı́mite de flujo:
1 eq 1 eq 1 eq
|( + γ13 )(θ1 − θ3 )| = ( + γ13 )|(θ1 − θ3 )| ≤ 0, 80( + γ13 ) =⇒ |(θ1 − θ3 )| ≤ 0, 80
2 2 2
1 eq 1 eq 1 eq
|( + γ23 )(θ2 − θ3 )| = ( + γ23 )|(θ2 − θ3 )| ≤ 0, 80( + γ23 ) =⇒ |(θ2 − θ3 )| ≤ 0, 80
2 2 2
Sustituyendo las relaciones anteriores en el sistema (2.8), se puede obtener el siguiente

sistema equivalente:
min v = 3n12 + 2n13 + 2n23 (2.9)

s.a.
25
1 eq 1 eq
−f12 − ( + γ13 )θ1 + ( + γ13 )θ3 + g1 = 0
2 2
1 eq 1 eq
f12 − ( + γ23 )θ2 + ( + γ23 )θ3 = 0, 60
2 2
1 eq 1 eq eq eq
( + γ13 )θ1 + ( + γ23 )θ2 − (1 + γ13 + γ23 )θ3 = 0, 20
2 2
|f12 | ≤ 0, 35 n12
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq 1
γ13 y γ23 ∈ {0, , 1}
2
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
f12 irrestricto
θ1 , θ2 y θ3 irrestrictos
que también puede ser obtenido directamente de la segunda formulación del modelo hı́brido,
verificando la equivalencia de ambas formulaciones. Esta formulación del modelo hı́brido es un
problema PNLIM, lo que puede ser fácilmente verificado analizando el sistema (2.9) del ejemplo
2.5.
2.2.3 Ejemplo 2.5: Sistema de 4 barras con barra no conectada
Para mostrar las caracterı́sticas especı́ficas del modelo hı́brido es necesario analizar un sistema
en donde existen barras desconectadas y nuevos caminos en la configuración base como se
muestra en la figura 2.5. Los datos de este sistema son los mismos de la figura 2.1, sin embargo,
en este caso existe una demanda de 25 MW en la nueva barra 4 y los circuitos 1-4 y 2-4 tiene
las mismas caracterı́sticas de la lı́nea 1-3 y g 1 = 105.
Usando la segunda formulación del modelo hı́brido, la forma de S2 , f2 , B1 y θ1 es la siguiente:
26
1 2 3 4
eq eq
1 −( 12 + γ13 ) ( 21 + γ13 )
eq eq
2 −( 12 + γ23 ) ( 21 + γ23 )
B1 =
eq eq eq eq
3 ( 12 + γ13 ) ( 12 + γ23 ) −(1 + γ13 + γ23 )
1-2 1-4 2-4
1 -1 -1 θ1
f12
2 1 -1 θ2
S2 = θ1 = f2 = f14
3 θ3
f24
4 1 1
- 25
...... .......
... ..
.. ..
... 4
..
..
... ..
.
. f14 f24 @ ..
.. I
@ ...
.
1 .... ..
.. 2
....... f 12 - ....... -
u-................................................................. 60
g1 ......@ .. .......
.@
. ...
θ1 .. .. θ2
.. @ f13 f23 ....
@ .. @
..
R .
@
.@
.. ...
.@ .
.. 3 ..
.@
.. ...
...... .......
- 20 M W
θ3
Figura 2.5: Sistema de 4 barras.
Las otras relaciones de la segunda formulación son triviales y, se puede obtener el siguiente
sistema:
min v = 3n12 + 2n13 + 2n23 + 2n14 + 2n24 (2.10)

s.a.
27
1 eq 1 eq
−f12 − ( + γ13 )θ1 + ( + γ13 )θ3 − f14 + g1 = 0
2 2
1 eq 1 eq
f12 − ( + γ23 )θ2 + ( + γ23 )θ3 − f24 = 0, 60
2 2
1 eq 1 eq eq eq
( + γ13 )θ1 + ( + γ23 )θ2 − (1 + γ13 + γ23 )θ3 = 0, 20
2 2
f14 + f24 = 0, 25
|f12 | ≤ 0, 35 n12
|f14 | ≤ 0, 40 n14
|f24 | ≤ 0, 40 n24
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 1, 05
n12 , n13 n14 , n23 y n24 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq eq eq 1
γ13 , γ14 , γ23 , e γ24 ∈ {0, , 1}
2
eq
n12 = 3 γ12
eq
n13 = 2 γ13
eq
n23 = 2 γ23
eq
n14 = 2 γ14
eq
n24 = 2 γ24
que también puede ser obtenido usando la primera formulación del modelo hı́brido.
2.3 Modelo Hı́brido Lineal

Existe un forma alternativa de considerar el modelamiento hı́brido que puede ser más fácil
de resolver porque el problema resultante es un problema lineal entero mixto (PLIM). Este
modelamiento es usado en [7, 42, 87] con diferentes aplicaciones. En este modelamiento, todas
las nuevas adiciones de circuitos deben cumplir solamente con la primera ley de Kirchhoff, esto
es, los circuitos adicionados en caminos donde ya existen circuitos y donde no existen deben
satisfacer solamente la primera ley de Kirchhof. En otras palabras, este modelamiento es equi-
valente a considerar dos redes superpuestas donde la red original existente en la configuración
base debe cumplir las dos leyes de Kirchhoff y los nuevos circuitos adicionados deben cumplir
solamente la primera ley de Kirchhoff. Este modelamiento es una versión relajada del modelo
hı́brido no lineal presentado anteriormente.
Para que sea posible verificar la diferencia de este nuevo modelamiento hı́brido con el presen-
28
tado anteriormente, se debe analizar lo que acontece con los lazos existentes en la configuración
base de un sistema eléctrico. Para ilustrar este hecho usamos el sistema de la figura 2.1. Suponer
que fué adicionado un circuito 1-3 en la configuración base. En ese caso, de acuerdo con la
primera formulación hı́brida, el flujo de potencia, a través de cada uno de los dos circuitos en
el camino 1-3 (el que existı́a en la configuración base y el adicionado) deben ser iguales. Este
hecho es una consecuencia de que el lazo que ya existı́a en la configuración base debe satisfacer
la segunda ley de Kirchhof para la nueva topologı́a. En la segunda formulación hı́brida, sola-
mente el lazo formado por los 3 circuitos existentes en la configuración base deben satisfacer la
segunda ley de Kirchhof y, por lo tanto, los flujos en los dos circuitos en el camino 1-3 pueden
ser diferentes porque solamente uno de ellos esta limitado por la máxima abertura angular y el
otro circuito esta apenas limitado por la máxima capacidad de transmisión.
La nueva formulación hı́brida debe satisfacer la primera ley de Kirchhoff en todas las barras
del sistema considerando todos los circuitos (existentes y adicionados) y debe cumplir la se-
gunda ley de Kirchhoff solamente en los lazos existentes en la configuración base, considerando
apenas los circuitos existentes en esta. En otras palabras, existen dos sistemas superpuestos, la
configuración base que debe satisfacer las dos leyes de Kirchhoff y una red completa formada
por los circuitos candidatos a adición que deben cumplir apenas con la primera ley de Kirchhoff.
Ası́, la formulación hı́brida alternativa asume la siguiente forma:
X
(i,j)
s.a.
0
S f + So fo + g = d
fijo − γijo (θi − θj ) = 0 ∀(i, j) ∈ Ω1
|fijo | ≤ f ij noij ∀(i, j) ∈ Ω1
0
|fij | ≤ f ij nij ∀(i, j) ∈ Ω
0≤g≤g
0 ≤ nij ≤ nij
nij entero
fij irrestricto
en donde So es la matriz de incidencia de ramas del sistema existente en la configuración

base, fo es el vector de flujos en los circuitos existentes en la configuración base, S es la matriz
0
de incidencia de ramas del sistema completo, f es el vector de flujos en los circuitos adicionados
y los θj son los ángulos de fase de las barras que están conectadas al sistema eléctrico en la
configuración base.
Es posible encontrar una formulación equivalente, después de algunas manipulaciones alge-
braicas similares a las realizadas con la otra formulación hı́brida. Esta formulación asume la
siguiente forma:
29
X
(i,j)
s.a.
0
S f + Bo θo + g = d
|θi − θj | ≤ φij ∀(i, j) ∈ Ω1
0
|fij | ≤ f ij nij ∀(i, j) ∈ Ω
0≤g≤g
0 ≤ nij ≤ nij
nij entero
fij irrestricto
en donde Bo es la matriz de susceptancias formada por los circuitos existentes en la confi-

guración base y θo es el vector de ángulos de fase de las barras conectadas al sistema eléctrico
en la configuración base.
2.3.1 Ejemplo 2.6: Sistema de 3 barras de la figura 2.4
Desarrollar el modelamiento matemático del modelo hı́brido modificado para el sistema de 3

barras mostrado en la figura 2.4.
Usando el modelamiento matemático propuesto en (2.11), se puede obtener fácilmente el
siguiente sistema:
30
min v = 3n12 + 2n13 + 2n23 (2.13)

s.a.
o 0 0
−f13 − f12 − f13 + g1 = 0
o 0 0
−f23 + f12 − f23 = 0, 60
o o 0 0
f13 + f23 + f13 + f23 = 0, 20
o 1
f13 = (θ1 − θ3 )
2
o 1
f23 = (θ2 − θ3 )
2
o
|f13 | ≤ 0, 40
o
|f23 | ≤ 0, 40
0
|f12 | ≤ 0, 35 n12
0
|f13 | ≤ 0, 40 n13
0
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
o o 0 0 0
f13 , f23 , f12 , f13 , y f23 irrestrictos
0 0 0 o o
Las incógnitas en el problema son: v, n12 , n13 , n23 , f12 , f13 , f23 , f13 , f23 , θ1 , θ2 , θ3 y g1 .
Transformando el sistema anterior o usando el modelamiento matemático propuesto en
(2.12), se puede obtener fácilmente el siguiente sistema equivalente:
31
min v = 3n12 + 2n13 + 2n23 (2.14)

s.a.
0 0 1 1
−f12 − f13 − θ1 + θ3 + g1 = 0
2 2
0 0 1 1
f12 − f23 − θ2 + θ3 = 0, 60
2 2
0 0 1 1
f13 + f23 + θ1 + θ2 − θ3 = 0, 20
2 2
|(θ1 − θ3 )| ≤ 0, 80
|(θ2 − θ3 )| ≤ 0, 80
0
|f12 | ≤ 0, 35 n12
0
|f13 | ≤ 0, 40 n13
0
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
0 0 0
0 0 0
Las incógnitas en el problema son: v, n12 , n13 , n23 , f12 , f13 , f23 , θ1 , θ2 , θ3 y g1 .
Es posible verificar fácilmente que el problema (2.13), ası́ como el problema equivalente
(2.14), son problemas de programación lineal entera mixta (PLIM). Los lectores interesados en
esta versión de el modelamiento hı́brido pueden encontrar información más detallada en [7, 42].
2.4 Modelo DC
El modelo DC es una generalización del modelo de flujo de carga DC que está ampliamente
desarrollado en [63]. Este modelo es considerado como ideal para realizar los trabajos de
planeamiento de sistemas de transmisión. En el modelo DC, el sistema eléctrico completo debe
satisfacer las dos leyes de Kirchhoff, esto es, todas las barras del sistema deben satisfacer la
primera ley de Kirchhoff y todos los lazos existentes deben satisfacer la segunda ley de Kirchhoff.
Pruebas experimentales exhaustivas mostrarán que las topologı́as encontradas usando el modelo
DC presentan buen desempeño cuando son evaluadas con los modelos tradicionales de operación
de sistemas de energı́a eléctrica, como el flujo de carga AC.
La formulación matemática del modelo DC asume la siguiente forma:

32
X
(i,j)
s.a.
S f +g =d
fij − (γijo + γijeq )(θi − θj ) = 0
|fij | ≤ (γijeq + γijo )φij
0≤g≤g
0 ≤ nij ≤ nij
nij entero
γijeq discreto
fij irrestricto
θj irrestricto
en donde γijo representa la susceptancia equivalente de los circuitos existentes en el camino

i − j en la configuración base, γij representa la susceptancia de un circuito en el camino i − j,
γijeq representa la susceptancia equivalente de los circuitos adicionados en el camino i − j y las
siguientes relaciones son válidas:
γijeq f ij
nij = φij =
γij γij
y, obviamente, usando las relaciones anteriores pueden eliminarse las incógnitas γijeq o nij de
la formulación del modelo DC.
Después de algunas manipulaciones algebraicas, se puede llegar a una formulación equiva-
lente que asume la siguiente forma:
X
(i,j)
s.a.
Bθ + g = d
|θi − θj | ≤ φij ∀(i, j) ∈ Ω1
γijeq |θi − θj | ≤ γijeq φij ∀(i, j) ∈ Ω2
0≤g≤g
0 ≤ nij ≤ nij
nij entero
γijeq discreto
θj irrestricto
33
en donde B es la matriz de susceptancias del sistema eléctrico y θ es el vector de ángulos de

tensión de barras del sistema eléctrico.
2.4.2 Equivalencia entre las dos formulaciones del modelo DC
Para mostrar la equivalencia entre las dos formulaciones del modelo DC, se debe mostrar
basicamente que las dos relaciones correspondientes a las dos leyes de Kirchhoff pueden ser
compactadas en la forma Bθ + g = d mostrada en la formulación (2.16). Se puede usar la
figura 2.6, que es una parte de un sistema eléctrico, para mostrar la equivalencia de las dos
formulaciones.
i j k
fij fjk
rrrrr rrrrr
- -
Figura 2.6: Parte de un sistema eléctrico.
El sistema S f para el problema asume la siguiente forma matricial:
i−j j−k
⇓ ⇓
rrrrr
q
i⇒ q -1
q
fij ⇐ i − j
j⇒ 1 -1
fjk ⇐ j − k
k⇒ 1
⇑
S f ⇒
Ası́, el sistema S f + g = d asume la siguiente forma:

34
i⇒ ... − fij + ... = di
..
.
j⇒ ... + fij − fjk + ... = dj
..
.
k⇒ ... + fjk + ... = dk
Sustituyendo en las relaciones anteriores, para cada fij , las relaciones correspondientes a la
segunda ley de Kirchhoff, se pueden obtener las siguientes expresiones:
eq
i ⇒ ... − (γijo + γij )(θi − θj ) + ... = di
..
.
eq eq
o
j ⇒ ... + (γijo + γij )(θi − θj ) − (γjk + γjk )(θj − θk ) + ... = dj
..
.
o eq
k⇒ ... + (γjk + γjk )(θj − θk ) + ... = dk
en donde el lado izquierdo del sistema anterior puede ser colocado en la siguiente forma matri-
cial:
35
i j k
⇓ ⇓ ⇓
rrr
q eq
i⇒ o
q −(γij + γijeq ) o
(γjk + γjk ) θi ⇐i
q
j⇒ (γijo + γijeq ) −(γijo + γijeq ) − (γjk

o eq
+ γjk ) o
(γjk eq
+ γjk ) θj ⇐j
o eq o eq
k⇒ (γjk + γjk ) −(γjk + γjk ) θk ⇐k
⇑ ⇑
B θ
que equivale al sistema Bθ + g = d de la segunda formulación con la matriz de susceptancias

B definida de la siguiente forma:
Bij = (γijo + γijeq )






B =⇒ (2.17)
(γijo + γijeq )
X




Bii = −
j∈Ωi
Para terminar de mostrar la equivalencia, se debe observar que las restricciones de lı́mites
de flujo pueden ser transformadas en forma de restricciones de diferencia angular. Ası́, en la
relación de lı́mites de flujo:
puede ser substituı́da la relación correspondiente a la segunda ley de Kirchhoff:
fij = (γijeq + γijo )(θi − θj )
obteniendose la siguiente relación :
|(γijeq + γijo )(θi − θj )| = (γijeq + γijo )|(θi − θj )| ≤ (γijeq + γijo )φij (2.18)
La relación anterior puede ser reducida para las siguientes relaciones:

36
1. Cuando γijo > 0.

Este caso corresponde al camino i − j en donde existe por lo menos un circuito en el
camino i − j en la configuración base. Si todos los circuitos son de igual reactancia, se
debe cumplir necesariamente la restricción de lı́mites de flujo de potencia y el término
común (γijeq + γijo ) siempre es positivo y puede ser eliminado, obteniendose la restricción:
|θi − θj | ≤ φij
Si existen k circuitos en paralelo con susceptancias diferentes, la abertura angular es

limitada por el circuito con menor cociente flujo máximo-susceptancia, esto es:
( )
|f ij−1 | |f ij−2 | |f |
|θi − θj | ≤ min , , ..., ij−k
γij−1 γij−2 γij−k
2. Cuando γijo = 0.
Este corresponde al caso en donde no existen circuitos en el camino i − j en la configu-
ración base, esto es, el camino i−j representa un nuevo corredor. En este caso, el término
común γijeq no puede ser eliminado, obteniendose la restricción:
γijeq |θi − θj | ≤ γijeq φij
que indica que la restricción de flujos se satisface solamente cuando γijeq > 0 (cuando se
han adicionado circuitos en el nuevo corredor), pues en caso contrario, cuando γijeq = 0, la
restricción simplemente no existe. Aqui se asume que los nuevos circuitos que operarán
en paralelo son de igual susceptancia.
2.4.3 Ejemplo 2.7 Equivalencia entre las dos formulaciones matemáticas
Para mostrar que ambas formulaciones matemáticas del modelo DC son equivalentes usamos
el sistema de 3 barras del ejemplo 2.1.
Usando la primera formulación, las principales relaciones matemáticas asumen la siguiente
forma:
1. Ecuaciones de la primera ley de Kirchhoff:

Barra 1: −f12 − f13 + g1 = 0
Barra 2: f12 − f23 = 0, 60
Barra 3: f13 + f23 = 0, 20
2. Ecuaciones de la segunda ley de Kirchhoff:
eq
Circuito 1-2: f12 = ( 31 + γ12 )(θ1 − θ2 )
eq
Circuito 1-3: f13 = ( 21 + γ13 )(θ1 − θ3 )
eq
Circuito 2-3: f23 = ( 21 + γ23 )(θ2 − θ3 )
37
3. Inecuaciones correspondientes a los lı́mites de flujos:

eq
Circuito 1-2: |f12 | ≤ 1, 05( 13 + γ12 )
eq
Circuito 1-3: |f13 | ≤ 0, 80( 12 + γ13 )
eq
Circuito 2-3: |f23 | ≤ 0, 80( 12 + γ23 )
pues:
f 12 0, 35 f 13 0, 40 f 23 0, 40
φ12 = = = 1, 05 φ13 = = = 0, 80 φ23 = = = 0, 80
γ12 1/3 γ13 1/2 γ23 1/2
Las otras restricciones son triviales y ası́, para el ejemplo y usando la primera formulación,
el modelamiento matemático del modelo DC asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 (2.19)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
1 eq
f12 = ( + γ12 )(θ1 − θ2 )
3
1 eq
f13 = ( + γ13 )(θ1 − θ3 )
2
1 eq
f23 = ( + γ23 )(θ2 − θ3 )
2
1 eq
|f12 | ≤ 1, 05( + γ12 )
3
1 eq
|f13 | ≤ 0, 80( + γ13 )
2
1 eq
|f23 | ≤ 0, 80( + γ23 )
2
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq 1
γ13 y γ23 ∈ {0, , 1}
2
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
38
eq eq eq
Las incógnitas en el problema son: v, n12 , n13 , n23 , γ12 , γ13 , γ23 , f12 , f13 , f23 , θ1 , θ2 , θ3 , y g1 .
Obviamente, de la formulación matemática, se pueden eliminar las incógnitas γijeq (o nij ) usando
la relación γijeq = γij nij . Ası́, por ejemplo, eliminando las variables γijeq del sistema (2.19), se
puede encontrar el siguiente problema equivalente:
min v = 3n12 + 2n13 + 2n23 (2.20)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
1
f12 = (1 + n12 )(θ1 − θ2 )
3
1
f13 = (1 + n13 )(θ1 − θ3 )
2
1
f23 = (1 + n23 )(θ2 − θ3 )
2
|f12 | ≤ 0, 35(1 + n12 )
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40(1 + n23 )
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
A partir del problema (2.19), se puede llegar a la segunda formulación del modelo DC
realizando las siguientes transformaciones:
1. Sustituyendo las relaciones de la segunda ley de Kirchhoff en las ecuaciones de la primera

ley de Kirchhoff:
• Primera ecuación de la primera ley de Kirchhoff:

1 eq 1 eq
−( + γ12 )(θ1 − θ2 ) − ( + γ13 )(θ1 − θ3 ) + g1 = 0
3 2
1 eq 1 eq 1 eq 1 eq
[−( + γ12 ) − ( + γ13 )]θ1 + [( + γ12 )]θ2 + [ + γ13 ]θ3 + g1 = 0
3 2 3 2
• Segunda ecuación de la primera ley de Kirchhoff:
1 eq 1 eq
( + γ12 )(θ1 − θ2 ) − ( + γ23 )(θ2 − θ3 ) = 0, 60
3 2
39
1 eq 1 eq 1 eq 1 eq
[( + γ12 )]θ1 − [( + γ12 ) + ( + γ23 )]θ2 + [ + γ23 ]θ3 = 0, 60
3 3 2 2
• Tercera ecuación de la primera ley de Kirchhoff:
1 eq 1 eq
( + γ13 )(θ1 − θ3 ) + ( + γ23 )(θ2 − θ3 ) = 0, 20
2 2
1 eq 1 eq 1 eq 1 eq
[ + γ13 ]θ1 + [( + γ23 )]θ2 − [( + γ13 ) + ( + γ23 )]θ3 = 0, 20
2 2 2 2
2. Sustituyendo las relaciones de la segunda ley de Kirchhoff en las inecuaciones de lı́mites
de flujos:
• Primera inecuación de lı́mites de flujo:
1 eq 1 eq
|( + γ12 )(θ1 − θ2 )| ≤ 1, 05( + γ12 ) =⇒ |(θ1 − θ2 )| ≤ 1, 05
3 3
• Segunda inecuación de lı́mites de flujo:
1 eq 1 eq
|( + γ13 )(θ1 − θ3 | ≤ 0, 80( + γ13 ) =⇒ |(θ1 − θ3 )| ≤ 0, 80
2 2
• Tercera inecuación de lı́mites de flujo:
1 eq 1 eq
|( + γ23 )(θ2 − θ3 | ≤ 0, 80( + γ23 ) =⇒ |(θ2 − θ3 )| ≤ 0, 80
2 2
Con las simplificaciones realizadas anteriormente, el problema (2.19) se transforma en el

siguiente problema:
min v = 3n12 + 2n13 + 2n23 (2.21)

s.a.
5 eq eq 1 eq 1 eq
−( + γ12 + γ13 )θ1 + ( + γ12 )θ2 + ( + γ13 )θ3 + g1 = 0
6 3 2
1 eq 5 eq eq 1 eq
( + γ12 )θ1 − ( + γ12 + γ23 )θ2 + ( + γ23 )θ3 = 0, 60
3 6 2
1 eq 1 eq eq eq
( + γ13 )θ1 + ( + γ23 )θ2 − (1 + γ13 + γ23 )θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
40
n12 , n13 y n23 ∈ {0, 1, 2}

eq 1 2
γ12 ∈ {0, , }
3 3
eq eq 1
γ13 y γ23 ∈ {0, , 1}
2
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
que también puede ser obtenido directamente de la segunda formulación del modelo DC.
Nuevamente, de la formulación matemática anterior, se pueden eliminar las incógnitas γijeq (o
nij ) usando la relación γijeq = γij nij . Ası́, por ejemplo, eliminando las variables γijeq del sistema
(2.21), se puede encontrar el siguiente problema equivalente:
min v = 3n12 + 2n13 + 2n23 (2.22)

s.a.
5 1 1 1 1
−[ + n12 + n13 ]θ1 + [1 + n12 ]θ2 + [1 + n13 ]θ3 + g1 = 0
6 3 2 3 2
1 5 1 1 1
[1 + n12 ]θ1 − [ + n12 + n23 ]θ2 + [1 + n23 ]θ3 = 0, 60
3 6 3 2 2
1 1 1 1
[1 + n13 ]θ1 + [1 + n23 ]θ2 − [1 + n13 + n23 ]θ3 = 0, 20
2 2 2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
que, obviamente, es más fácil de resolver.
2.4.4 Ejemplo 2.8: Sistema de 3 barras del ejemplo 2.2
Es más frecuente usar la segunda formulación para el modelo DC. Se puede usar la segunda
formulación en el sistema de 3 barras usado en el ejemplo 2.2. Después de cálculos simples,
usando la segunda formulación del modelo DC, se puede obtener el siguiente problema:
41
min v = 3n12 + 2n13 + 2n23 (2.23)

s.a.
1 eq eq eq 1 eq
−( + γ12 + γ13 )θ1 + γ12 θ2 + ( + γ13 )θ3 + g1 = 0
2 2
eq 1 eq eq 1 eq
γ12 θ1 − ( + γ12 + γ23 )θ2 + ( + γ23 )θ3 = 0, 60
2 2
1 eq 1 eq eq eq
( + γ13 )θ1 + ( + γ23 )θ2 − (1 + γ13 + γ23 )θ3 = 0, 20
2 2
eq eq
γ12 |θ1 − θ2 | ≤ 1, 05γ12
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
n12 , n13 y n23 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq 1
γ13 y γ23 ∈ {0, , 1}
2
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
en donde es posible observar algunas diferencias en relación al ejemplo anterior, especialmente

eq eq
en la restricción γ12 |θ1 − θ2 | ≤ 1, 05γ12 .
2.5 Modificaciones en el Modelamiento Básico

En la utilización de algunas técnicas de solución, a veces es más adecuado realizar algunas modi-
ficaciones en el modelamiento básico de los tres modelos usados en el problema de planeamiento
de sistemas de transmisión. La modificación más usada es la utilización de generadores arti-
ficiales en todas las barras de carga. El objetivo fundamental de la modificación es volver el
problema más fácil de resolver usando determinados tipos de algoritmos. Desde el punto de
vista matemático los generadores artificiales constituyen apenas nuevas variables (incógnitas) en
el problema. En consecuencia, el problema original queda con un número de variables mayor,
sin embargo, puede ser más fácil de resolver. Logicamente, para que la solución de ambos
problemas (original y modificado) sean equivalentes, en la solución final, todas las variables
correspondientes a los generadores artificiales deben ser iguales a cero.
Usando las nuevas variables ri correspondientes a los generadores artificiales, los tres modelos
usados en planeamiento de sistemas de transmisión asumen la siguiente forma:
42
Modelo de Transportes:
X X
min v = cij nij + α rk (2.24)
(i,j) k∈Γ
s.a.
S f +g+r =d
0≤r≤d
0≤g≤g
0 ≤ nij ≤ nij
nij entero
fij irrestricto
Modelo Hı́brido:
X X
(i,j) k∈Γ
s.a.
S f +g+r =d
fij − (γijo + γijeq )(θi − θj ) = 0 ∀(i, j) ∈ Ω1
0≤r≤d
0≤g≤g
0 ≤ nij ≤ nij
nij entero
γijeq discreto
fij irrestricto
43
Modelo DC:
X X
(i,j) k∈Γ
s.a.
S f +g+r =d
0≤r≤d
0≤g≤g
0 ≤ nij ≤ nij
nij entero
γijeq discreto
fij irrestricto
en donde Γ representa el conjunto de todas las barras k en donde existe demanda, rk

representa la generación artificial (o fictı́cia) en la barra k y α es un parámetro de penalización
suficientemente grande para volver poco atractivas las alternativas de inversión con valores de
rk diferentes de cero.
Matematicamente, la inclusión de las variables artificiales permite obtener un problema de
mayor tamaño con un incremento de las variables, sin embargo, frecuentemente es más fácil
de resolver, usando determinados tipos de algoritmos. Es interesante observar que el modelo
modificado siempre posee una solución factible trivial, no necesariamente óptima, haciendo
cada rk = dk y todas las otras variables iguales a cero. Esta caracterı́stica será adecuadamente
aprovechada en los procesos de solución implementados por algunos algoritmos en los capı́tulos
siguientes.
2.5.1 Ejemplo 2.9: Modelo de Transportes Modificado
En la figura 2.7 se muestra el mismo sistema de la figura 2.2 en el cual se desea realizar el
modelamiento matemático modificado usando el modelo de transportes. Se puede observar que
la única diferencia corresponde a la inclusión de los generadores artificiales en las barras 2 y 3
que son barras de carga.
En este caso la única diferencia aparece en la inclusión de las nuevas variables r2 y r3 . Ası́,
el modelamiento matemático asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 + α(r2 + r3 ) (2.27)

44
1 f12 - 2
u-.................................................................
- 60
t r2
g 1 = 80 ......@
.. ........
.@
.. ..
.@
.. @ f13 ...
.. @ f23 ...
.R
.. ..
..
@
.. .
@
.@
.. 3 .
.@ ..
.. ...
...... ......
r3 t - - 20 M W
Figura 2.7: Sistema de 3 barras con generadores artificiales.
s.a.
−f12 − f13 + g1 = 0
f12 − f23 + r2 = 0, 60
f13 + f23 + r3 = 0, 20
|f12 | ≤ 35n12
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40(1 + n23 )
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
0 ≤ g1 ≤ 0, 80
n12 ∈ {0, 1, 2}
n13 ∈ {0, 1, 2}
n23 ∈ {0, 1, 2}
f12 , f13 , e f23 irrestrictos
Las incógnitas en el problema son: v, n12 , n13 , n23 , f12 , f13 , f23 , r2 , r3 y g1 . α es un parámetro
cuyo valor debe ser escogido. Obviamente, la solución óptima de (2.27) también será óptima
para el problema (2.4) si, y solamente si, en la solución óptima de (2.27), r2 = r3 = 0.
2.5.2 Ejemplo 2.10: Modelo Hı́brido
modelamiento matemático modificado con la adición de generadores artificiales para la primera
versión del modelo hı́brido. Nuevamente, la única diferencia corresponde a la inclusión de los
generadores artificiales en las barras 2, 3 y 4 que son barras de carga.
También en este caso la única diferencia aparece en la inclusión de las nuevas variables r2 ,
r3 y r4 . Ası́, el modelamiento matemático asume la siguiente forma:
45
r4 t - - 25
...... .......
... ..
... ..
..
.. 4 ..
.. ..
.. f f ..
.
... 14 24 I
@
@ ...
1 .... ..
.. 2
....... f 12 - ....... -
u-................................................................. 60
t r2
g1 ......@ .. .......
.@
. ...
θ1 .. .. θ2
.. @ f13 f23 ....
@ .. @
..
R
..
@
.@
.. ..
.@ .
.. 3 ..
.@
.. ...
...... .......
r3 t - - 20 M W
θ3
Figura 2.8: Sistema de 4 barras con generadores artificiales.
min v = 3n12 + 2n13 + 2n23 + 2n14 + 2n24 + α(r2 + r3 + r4 ) (2.28)

s.a.
1 eq 1 eq
−f12 − ( + γ13 )θ1 + ( + γ13 )θ3 − f14 + g1 = 0
2 2
1 eq 1 eq
f12 − ( + γ23 )θ2 + ( + γ23 )θ3 − f24 + r2 = 0, 60
2 2
1 eq 1 eq eq eq
( + γ13 )θ1 + ( + γ23 )θ2 − (1 + γ13 + γ23 )θ3 + r3 = 0, 20
2 2
f14 + f24 + r4 = 0, 25
|f12 | ≤ 0, 35 n12
|f14 | ≤ 0, 40 n14
|f24 | ≤ 0, 40 n24
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 1, 05
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
0 ≤ r4 ≤ 0, 25
n12 , n13 n14 , n23 y n24 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq eq eq 1
γ13 , γ14 , γ23 , y γ24 ∈ {0, , 1}
2
46
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
eq
n14 = 2γ14
eq
n24 = 2γ24
Las incógnitas en el problema son: v, n12 , n13 , n23 , n14 , n24 , f12 , f14 , f24 , r2 , r3 , r4 , θ1 , θ2 ,
θ3 y g1 . α es un parámetro cuyo valor debe ser escogido. Obviamente, la solución óptima de
(2.28) también será óptima para el problema (2.10) si y solamente si, en la solución óptima de
(2.28), r2 = r3 = r4 = 0.
2.5.3 Ejemplo 2.11: Modelo DC Modificado
En la figura 2.9 se muestra el mismo sistema de la figura 2.2 enel cual se desea realizar el
modelamiento matemático modificado usando el modelo DC. Nuevamente, la única diferencia
corresponde a la inclusión de los generadores artificiales en las barras 2 y 3 que son barras de
carga.
1 f12 - 2
u-.................................................................
- 60
t r2
g1 ......@.. ........
.@
.. ..
.@
.. @ f13 ...
.. @ f23 ...
.R
.. ..
..
@
.. .
@
.@
.. 3 .
.@ ..
.. ...
...... ......
r3 t - - 20 M W
Figura 2.9: Modelo DC Modificado.
También en este caso la única diferencia aparece en la inclusión de las nuevas variables r2 y
r3 . Ası́, el modelamiento matemático asume la siguiente forma:
47
min v = 3n12 + 2n13 + 2n23 + α(r2 + r3 ) (2.29)

s.a.
1 eq eq eq 1 eq
−( + γ12 + γ13 )θ1 + γ12 θ2 + ( + γ13 )θ3 + g1 = 0
2 2
eq 1 eq eq 1 eq
γ12 θ1 − ( + γ12 + γ23 )θ2 + ( + γ23 )θ3 + r2 = 0, 60
2 2
1 eq 1 eq eq eq
( + γ13 )θ1 + ( + γ23 )θ2 − (1 + γ13 + γ23 )θ3 + r3 = 0, 20
2 2
eq eq
γ12 |θ1 − θ2 | ≤ 1, 05γ12
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
n12 , n13 y n23 ∈ {0, 1, 2}
eq 1 2
γ12 ∈ {0, , }
3 3
eq eq 1
γ13 y γ23 ∈ {0, , 1}
2
eq
n12 = 3γ12
eq
n13 = 2γ13
eq
n23 = 2γ23
Las incógnitas en el problema son: v, n12 , n13 , n23 , r2 , r3 , θ1 , θ2 , θ3 y g1 . α es un parámetro

cuyo valor debe ser escogido. Obviamente, la solución óptima de (2.29) también será óptima
para el problema (2.23) si y solamente si, en la solución óptima de (2.29), r2 = r3 = 0.
2.6 El Modelo Lineal Disyuntivo

El modelamiento matemático considerado como ideal es el denominado modelo DC, que es un
problema de programación no lineal entero mixto (PNLIM). De otro lado, es posible trans-
formar el modelo DC no lineal en un problema equivalente cuyo modelamiento matemático
corresponde a un “modelo lineal”. En general , siempre es posible transformar un problema no
lineal cuadrático con variables binárias y reales en un problema lineal con variables binárias y
reales usando una transformación que permite “separar” los términos cuadráticos en relaciones
lineales. Este proceso es obtenido incorporando al problema un parámetro M de valor muy
grande. Este modelamiento llamado lineal disyuntivo fué propuesto por varios autores. De otro
48
lado, un análisis detallado de este modelamiento es presentado en [7]. El modelamiento lineal

disjuntivo, cuya solución óptima es la misma del modelo DC, asume la siguiente forma:
X X
min v = cij yij + α rk (2.30)
(i,j) k∈Γ
s.a.
So f o + S 1 f 1 + g + r = d
fijo − γijo (θi − θj ) = 0 ∀ (i, j) ∈ Ω1
fij1 − γij1 (θi − θj ) ≤ M (1 − yij )
fij1 − γij1 (θi − θj ) ≥ −M (1 − yij )
|fijo | ≤ f ij
|fij1 | ≤ f ij yij
0≤r≤d
0≤g≤g
yij ∈ {0, 1} ∀ (i, j) ∈ ΩT
fijo , fij1 , θj irrestrictos
en donde yij es una varı́able binária igual a 1 si es adicionado el circuito en el camino i − j,

en caso contrario es igual a 0, So es la matriz de incidencia de ramas de los circuitos existentes
en la configuración base con flujos f o y S1 es la matriz de incidencia de ramas de los circuitos
candidatos considerados como variables binárias y con flujos f 1 .
En relación al modelo lineal disyuntivo presentado, se deben realizar las siguientes observa-
ciones:
1. El conjunto de restricciones So f o + S1 f 1 + g + r = d representa la primera ley de Kirchhoff

y corresponde a nb restricciones lineales, siendo nb el número de barras del sistema.
2. El conjunto de restricciones fijo −γijo (θi −θj ) = 0, representa las restricciones de la segunda
ley de Kirchhoff para los circuitos existentes en la configuración base y existe una ecuación
para cada camino en donde existe circuito en la configuración base. En este contexto γijo
representa la susceptancia equivalente de los circuitos existentes en la configuración base
en el camino i − j y So es la matriz de incidencia de ramas de los circuitos existentes en la
configuración base. En consecuencia si existen nlo caminos en donde existen circuitos en
la configuración base, la matriz So es de dimensión nlo ×nb. Se debe observar que si en un
camino existen varios circuitos en la configuración base, esta información es almacenada
en una única columna de la matriz So .
3. El conjunto de restricciones fij1 −γij1 (θi −θj ) ≤ M (1−yij ) e fij1 −γij1 (θi −θj ) ≥ −M (1−yij )
realmente puede ser representado de la siguiente forma compacta:
|fij1 − γij1 (θi − θj )| ≤ M (1 − yij ) (2.31)

49
y representa la segunda ley de Kirchhoff para cada circuito candidato a adición. En

el modelamiento existe una restricción del tipo (2.31) para cada circuito candidato a
adición. Ası́, por ejemplo, si en un camino i − j es posible adicionar hasta cuatro circuitos
entonces deben existir cuatro restricciones del tipo (2.31) porque cada circuito candidato
a adición es considerado separadamente como una varı́able binária. Logicamente, existen
formas alternativas de representar las variables enteras a través de una suma de variables
binárias, en la tentativa de disminuir el número de variables binárias, sin embargo este
tópico no es analizado aquı́ porque es un asunto irrelevante. Considerando la adición de
cada circuito aisladamente como una varı́able binária, entonces la matriz de incidencia
de ramas S1 debe tener una dimensión mayor que la matriz So , y la misma observación
es válida para los tamaños de los vectores f o y f 1 .
4. Es fácil verificar que la relación (2.31) representa la segunda ley de Kirchhoff para cada
circuito binário candidato a adición. Ası́, si un circuito en el camino i − j fue adicionado
al sistema, con yij , entonces de (2.31) se verifica fácilmente que:
|fij1 − γij1 (θi − θj )| ≤ 0 =⇒ fij1 − γij1 (θi − θj ) = 0
relación que representa la segunda ley de Kirchhoff para el camino i−j. En caso contrario,
si no es adicionado un circuito en el camino i−j, con yij = 0, entonces (2.31) se transforma
en la siguiente relación :
|fij1 − γij1 (θi − θj )| ≤ M
que es una restricción trivial, siempre verdadera, si el parámetro M es muy grande.
El modelo lineal disyuntivo presenta algunas ventajas y desventajas en relación al mo-

delo DC no lineal convencional. La principal desventaja está relacionada con el aumento de
la dimensión del problema debido a la introdución de variables binárias (en el modelo DC
pueden usarse las variables enteras nij ) y, principalmente, con la escogencia o determinación
del parámetro M grande, para cada restricción, lo cual representa un factor complicante en la
solución del modelo lineal disyuntivo. La principal ventaja está relacionada con el modelamiento
lineal y, eventualmente, se pueden desarrollar algoritmos adecuados con propriedades de con-
vergencia interesantes desde el punto de vista teórico. Un análisis detallado de las ventajas y
desventajas de la utilización del modelo lineal disyuntivo es presentado en [7].
2.6.1 Ejemplo 2.12: Modelo lineal disyuntivo
modelamiento matemático lineal disjuntivo, considerando que puede ser adicionado solamente
un circuito para cada camino candidato. Todos los otros datos son los mismos presentes en la
figura 2.1.
Sustituyendo los datos del problema en el sistema (2.30), se puede encontrar fácilmente el
siguiente modelo lineal disyuntivo para el sistema de 3 barras de la figura 2.10:
50
1 1 -
f12 2
u-.................................................................
- 60
fo o -
f12 o
f23
g 1 = 80......@
.. 13 ..
......
.@
.@ ..
..@
R ..
.. ..
@ .. ..
. ..
R ..@ .. 1
@ @
@ .. .
1
f13 ... 3 . f23
.@ ..
..
@
.. .
...... ......
- 20 M W
min v = 3y12 + 2y13 + 2y23 + α(r2 + r3 ) (2.32)

s.a.
o o 1 1
−f12 − f13 − f12 − f13 + g1 =0
o o 1 1
f12 − f23 + f12 − f23 + r2 = 0, 60
o o 1 1
f13 + f23 + f13 + f23 + r3 = 0, 20
o 1
f12 = (θ1 − θ2 )
3
o 1
f13 = (θ1 − θ3 )
2
o 1
f23 = (θ2 − θ3 )
2
1 1
|f12 − (θ1 − θ2 )| ≤ M (1 − y12 )
3
1 1
|f13 − (θ1 − θ3 )| ≤ M (1 − y13 )
2
1 1
|f23 − (θ2 − θ3 )| ≤ M (1 − y23 )
2
o
|f12 | ≤ 0, 35
o
|f13 | ≤ 0, 40
o
|f23 | ≤ 0, 40
1
|f12 | ≤ 0, 35 y12
1
|f13 | ≤ 0, 40 y13
1
|f23 | ≤ 0, 40 y23
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
y12 , y13 y y23 ∈ {0, 1}
o o o 1 1 1
f12 , f13 , f23 , f12 , f13 , y f23 , irrestrictos
θ1 , θ2 , y θ3 irrestrictos y M grande
51
o o o 1 1 1
Las incógnitas en el problema son: v, y12 , y13 , y23 , f12 , f13 , f23 , f12 , f13 , f23 , r2 , r3 , θ1 , θ2 ,
θ3 y g1 .
También se puede reformular el problema anterior teniendo en cuenta la posibilidad de
adicionar hasta dos circuitos para cada camino candidato.
2.7 Notas y Referencias Históricas

El trabajo de modelamiento matemático del problema de la expansión de sistemas de trans-
misión fué realizado por varios autores. En las investigaciones iniciales de planeamiento se
usaron modelos más exactos y también modelos simplificados. Cuando se usaban modelos más
exactos como el modelo de flujo de carga AC, tı́picamente utilizado para analizar la operación,
existı́a la necesidad de tomar diferentes decisiones empı́ricas para transformar el sistema en un
sistema conectado, con el fin de resolver los problemas de convergencia de los problemas de flujo
de carga resultantes. Cuando se usaban modelos muy relajados existı́a la necesidad de tomar
decisiones empı́ricas para completar el trabajo de planeamiento. La propuesta presentada en
[4] hace parte de esa fase inicial de propuestas de planeamiento.
Garver [22] hizo la primera propuesta formal de un modelamiento propio para los trabajos
de planeamiento, diferente de el modelamiento usado en operación. Este modelamiento ahora
es conocido como modelo de transportes. El modelo DC fué propuesto y mejorado por varios
autores [9, 58, 89]. El modelo hı́brido también fué propuesto por varios autores sin embargo
aparece con mayor énfasis en [87]. El modelo lineal disyuntivo también fué propuesto por varios
autores simultáneamente, sin embargo es ampliamente analizado y usado en [7]. La propuesta
modificada con la inclusión de los generadores artificiales en el modelamiento matemático, fué
inicialmente presentada en [9] y fué ampliamente usada en [39, 66, 71]. El sistema de 6 barras
fué propuesto por Garver [22] y los otros dos sistemas presentados en el apéndice corresponden
a sistemas eléctricos brasileros, sur y norte-nordeste reducidos.
El modelamiento matemático presentado en este capı́tulo no considera las pérdidas en el
sistema. Los efectos de las pérdidas pueden ser involucrados de diferentes formas. En[63] existe
una propuesta para resolver el problema de flujo de carga DC teniendo en cuenta las pérdidas y
esa idea puede ser extendida para el modelamiento matemático del problema de planeamiento.
Cuando las pérdidas son consideradas de forma explı́cita en la función objetivo, entonces el
problema se transforma en no lineal cuadrático apareciendo una complicación adicional en el
modelo matemático. Esta modificación en el modelamiento cambia de manera diferente el
desempeño de los diferentes algoritmos presentados para resolver el problema de planeamiento.
52
2.8 Problemas
1. Sea el sistema mostrado en la figura 2.11:
1 f 12 = 35 M W c12 = 3 2
u-.................................................................
- 60
1
γ12 = 3
g1 ......@
.. ....... u g2
.@
.. ...
.@ .
.. ..
g 1 = 100M W .. f 13 = 40 f 23 = 40 ... g2 = 40M W
. .
c13 = 2 ..@ .. c23 = 2
@
.. ..
.@
.. 3 .. γ23 = 1
γ13 = 12 .@ ..
.. . 2
...... .......
- 70 M W
en donde existen 3 circuitos en la topologı́a básica (no12 = no13 = no23 = 1) y pueden

ser adicionados circuitos en todos los caminos punteados. Encontrar el modelamiento
matemático de este sistema usando:
(a) Modelo de transportes normal y modificado.

(b) Las dos versiones del modelo hı́brido, lineal y no lineal, para el caso normal y modi-
ficado.
(c) Modelo DC normal y modificado.
(d) Modelo lineal disyuntivo.
2. Resolver nuevamente el problema anterior considerando que en la topologı́a básica existe

solamente un circuito que está en el camino 1-3 (no13 = 1; no12 = no23 = 0).
3. Resolver nuevamente los dos problemas anteriores considerando los siguientes nuevos va-
lores para los lı́mites de generación: g 1 = 90 e g 2 = 40 y considerando que en la topologı́a
básica existe solamente un circuito que está en el camino 1-3 (no13 = 1; no12 = no23 = 0).

en donde existen 5 circuitos en la topologı́a básica (no12 = no14 = no23 = no24 = no34 =
1) y pueden ser adicionados circuitos en todos los caminos punteados. Encontrar el
modelamiento matemático de este sistema usando los modelos:

(b) Las dos versiones del modelo hı́brido normal y modificado.
53
1 f 12 = 80 M W c12 = 4 γ12 = 12 2
........................................................
g1 g2
x - x
..........

......... ........
.. . . . ..
. . .
.. . ..
. . .
g 1 = 400M W . . . ..
. . .
?
.. . . 80 M W
. . . ..

.. . .
f. 14 = 40 M W .. f 23 = 40 M W.
.. c = 3 . . . c23 = 3 .. g 2 = 240M W
.. γ14 = 2 . .
.
. . . γ23 = 25 ..
.. 14 5 . ..
.. . . . f 24 = 60 M W ..
.. . . c24 = 4 ..
4 .
. .
.. . .
. γ 24 = 3
5 .. 3
. . ..
.
......... . .. ........
. .
........... .
........................................................
1
f 34 = 80 M W c34 = 4 γ34 = 2
? ?
240 M W 160 M W
5. Resolver nuevamente el problema anterior considerando que en la topologı́a básica existen

solamente dos circuitos, uno en el camino 2-4 y otro en el camino 3-4. (no24 = n34 =
1; no12 = no14 = no23 = 0).
6. Resolver nuevamente el problema 4 considerando que en la topologı́a básica no existen

circuitos, esto es, el sistema está totalmente aislado (no12 = n14 = no23 = no24 = no34 = 0).
7. Resolver nuevamente los tres problemas anteriores considerando los siguientes nuevos
valores para los lı́mites de generación: g 1 = 250 e g 2 = 230.

en donde existen 2 circuitos en la topologı́a básica (no13 = no23 = no23 = 1) y pueden
ser adicionados circuitos en todos los caminos punteados. Encontrar el modelamiento
matemático de este sistema usando los modelos:

54
g2
g 2 = 100M W w - - 25
...... . . . . .. .
. . . ..... ..
f 14 = 60 M W . . . ..
..
. . f = 35 M W
. . 24
c14 = 2 . . .. 4 . . c24 = 31
γ14 = 2 . . 1 . .. . γ24 = 3
. . .. f 34 = 40 M W . . .
. .. ..
. .. .. c34 = 2
1 ..
1 . .. γ34 = 2 .. 2
. . .. ..
.
...... f 12 = 35 M W .. . . . . . . - 60
..
w -.................................................................
1 ..
.
g1 ......@ c 12 = 3 γ 12 = 3 .. ......
.. .. ..
.. .
.. . .
.@ ..
@
. ..
g 1 = 200M W . @ .. .. . .
.@.. .. . ..
.. .. .
.. ..
f 13 = 40 M W .@ .
@
c13 = 2
..
. .. 3
. . . f 23 c=2340
.
=2
MW
@ . .@ . .. . .
γ13 = 12 . ...... γ23 = 12
. . . . .. .
- 20 M W

circuitos, esto es, el sistema está totalmente aislado (no12 = n13 = n14 = no23 = no24 =
no34 = 0).
lores para los lı́mites de generación: g 1 = 125 e g 2 = 100.
valores para un circuito en el camino 1-3: f13 = 60M W , c13 = 2 y γ13 = 23 .

en donde existen 6 circuitos en la topologı́a básica (no12 = no14 = no15 = no23 = no24 =
no35 = 1) y pueden ser adicionados circuitos en todos los caminos punteados. Encontrar
el modelamiento matemático de este sistema usando los modelos:


circuitos, esto es, el sistema está totalmente aislado (no12 = no14 = no15 = no23 = no24 =
no25 = no26 = no35 = no46 = 1)
55
g 1 = 150M W
t
6240 680
.. ... ... 5 f 15 = 100 M W ?.. ..
.. ..
.. 1
..
... .
. .
.................................................
. .............. .. ..
.... . c = 20 γ = 5 .. ..
.... .
. 15 15 . ..
.... .
.. ... ..
... .. ..
g 3 = 360M W ..... .. .
..... f 35 = 100 M W ... . . ... ..
..
.. .
...
. ..
t ..... c35 = 20 f... 25 = 100 M W .. ..
.. γ = 5 .
.. c25 = 31 . ..
...
35
? ... 3 .. γ25 = 3, 2 . . ..
..
.. ... ..
.. ?40
.. .. ..... ..
..
.. . ..
....H ....H ... .. ... ..
...H .. . ..
....H ....H .. . .... ..
..
...H .
.. .... f 12 = 100 M W ..
....H
....H .. ... c12 = 40 ..
f 23 = 100 M W ...H ....H .. .. γ12 = 2, 5 ..
c23 = 20 .. .... . . ..
.. .... 6 240
H
γ23 = 5 ..
.. ... 2 ..
.. .. ..
... ... ..
.. ..@ ..
....... ...
.
f 14 = 80 M W
c14 = 60
..
..
. .. .... ..
f 26 = 100 M W ....
@
γ14 = 53 ..
c26 = 30 ...... ...
@
. ..
γ26 = 10 3....
... ...
@
.@ ..
..
... ... ..
.... f 24 = 100 M W .@ ... ..
.... .@ ..
.... c 24 = 40 ... ..
.... γ = 2, 5 .@... ..
.... 24
.@ ..
.... ... ..
... . .@
... ..
..
.... ..................................................................
f 46 = 100 M W .@.. ..
.. .. ..... ..
..
. . 6 c46 = 30 γ46 = 3 10 .. 4
t g = 600M W
6
6
160 ?

56
lores para los lı́mites de generación: g 1 = 50, g 3 = 165, y g 6 = 545M W .
valores para un circuito en el camino 2-5: f25 = 120M W , c25 = 20 y γ13 = 5.
CAPITULO 3
ALGORITMOS HEURISTICOS USADOS EN EL

PLANEAMIENTO DE SISTEMAS DE TRANSMISIÓN
De acuerdo a lo observado en el capı́tulo de modelamiento, el problema de planeamiento de

sistemas de transmisión puede ser representado usando varios modelos matemáticos. Usando
el modelo de transportes se obtiene un problema de programación lineal entero mixto (PLIM)
ası́ como cuando se usa una de las versiones del modelo hı́brido o el modelo lineal disyuntivo.
Por otro lado, usando la otra versión del modelo hı́brido, ası́ como el modelo DC, se obtiene
un problema de programación no lineal entero mixto (PNLIM). Aún hoy es difı́cil resolver
problemas de este tipo, especialmente para sistemas de gran tamaño. En consecuencia, en las
investigaciones iniciales sobre el problema de planeamiento de sistemas de transmisión se usaron
los denominados algoritmos heurı́sticos construtivos para resolver problemas de planeamiento de
sistemas reales. Este capı́tulo está orientado a analizar varios algoritmos heurı́sticos construtivos
desarrollados en las últimas tres décadas.
Un algoritmo heurı́stico construtivo es un procedimento paso-a-paso en el que de manera
sistemática se encuentra una buena propuesta de expansión del sistema eléctrico, esto es, a
partir de la configuración base, en cada paso se adiciona uno o varios circuitos hasta que el
conjunto de adiciones realizadas permita una operación adecuada del sistema eléctrico. En
consecuencia, en cada paso la configuración del sistema es modificada por la adición de uno o
varios circuitos y esta configuración obtenida es denominada configuración actual. El circuito
escogido en cada paso para ser adicionado a la denominada configuración actual, es un circuito
que corresponde al camino más atractivo identificado por el denominado critério de sensibilidad,
indicador de sensibilidad o ı́ndice de desempeño. Ası́, la diferencia fundamental entre los varios
algoritmos heurı́sticos construtivos reside en el indicador de sensibilidad escogido y, obviamente,
en el modelo escogido (transportes, hı́brido, lineal disyuntivo, DC).
Un indicador de sensibilidad es basicamente un parámetro que de alguna manera está rela-
cionado con la varı́ación de la función objetivo debido a alguna varı́ación de los parámetros del
sistema, considerando como sistema a la configuración actual. Ası́, el indicador de sensibilidad
posee las siguientes caracterı́sticas:
• Identifica los caminos más atractivos para realizar adición de circuitos.
57
• Es un indicador de carácter local, esto es, identifica la mejor estratégia para la configu-
ración actual en contraposición de un indicador de carácter global que identificarı́a la
mejor estratégia para alcanzar la mejor configuración del sistema.
• Como los indicadores locales no siempre coinciden con los indicadores globales, entonces
los algoritmos heurı́sticos construtivos, frecuentemente, no tienen capacidad de encontrar
las configuraciones óptimas globales de sistemas reales.
Resumiendo, desde el punto de vista teórico un algoritmo heurı́stico construtivo no siempre

encuentra la configuración óptima de la expansión de un sistema eléctrico. En la prática estos
algoritmos heurı́sticos encuentran las configuraciones óptimas de sistemas pequeños y apenas
configuraciones buenas para sistemas eléctricos de mediano y gran tamaño. De otro lado, estos
algoritmos son muy importantes por los siguientes motivos:
• En la primera fase de investigaciones (décadas de 60 y 70) era la única manera que existı́a
para resolver problemas de planeamiento de sistemas eléctricos de gran tamaño.
• La mayorı́a de estos algoritmos son robustos y simples de entender, programar y usar.
• Los esfuerzos computacionales de estos algoritmos son muy pequeños.
• Muchas caracterı́sticas y propriedades de estos algoritmos pueden ser usadas en el de-
sarrollo de algoritmos más complejos como los algoritmos combinatoriales (simulated
annealing, algoritmo genético, busca tabu, GRASP, etc.).
• Aún hoy, estos algoritmos son los más frecuentemente utilizados por las empresas eléctricas.
En el análisis de las diferentes investigaciones publicadas en planeamiento de sistemas de

transmisión, se debe realizar una clara diferenciación entre dos aspectos significativamente
diferentes: el modelamiento seleccionado y el método de solución. Ası́, el modelamiento
seleccionado puede ser alguno de los modelos presentados: transportes, hı́brido, lineal disyun-
tivo o DC. De otro lado existen muchos métodos o técnicas para resolver el problema una vez
seleccionado el modelo más adecuado. Estas técnicas pueden dividirse en tres grandes grupos:
algoritmos heurı́sticos construtivos, algoritmos de optimización clásica y algoritmos combina-
toriales. De otro lado, existen investigaciones publicadas donde se usa más de un modelo y
la técnica de solución puede ser un algoritmo que usa una mezcla de diferentes técnicas de
solución, sin embargo siempre es posible identificar el modelo y la técnica principal de los
modelos y técnicas auxiliares o complementares. Ası́, al iniciar la presentación de cada investi-
gación, se van a discutir brevemente los aspectos antes comentados. Este capı́tulo presenta los
principales algoritmos heurı́sticos usados en el planeamiento de sistemas de transmisión.
Los modelos matemáticos presentados en este capı́tulo están ligeramente modificados en
relación a la forma original presentada por los autores de estos modelos y algoritmos, sin
embargo ambos modelos, el original y el presentado en este capı́tulo, son conceptualmente
equivalentes. En consecuencia, la diferencia fundamental corresponde a veces en la técnica de
solución y en el esfuerzo computacional. En este capı́tulo los modelos matemáticos se presentan
de modo que en todos ellos sea posible usar técnicas de programación lineal para resolver sus
respectivos modelos matemáticos.
58
3.1 Heurı́sticas Construtivas Usando el Modelo de Trans-
portes
Garver [22] desarrollo el primer algoritmo de gran difusión usado en planeamiento de sistemas
de transmisión. El trabajo de Garver fué pionero en varios aspectos, entre los más importantes
se pueden citar los siguientes:
• Sugirió una forma sistemática de realizar el planeamiento de sistemas de transmisión intro-

duciendo técnicas diferentes a las usadas en el análisis de operación de sistemas eléctricos.
Ası́, sugirió usar el denominado modelo de transportes como la forma más adecuada de
modelamiento matemático para realizar trabajos de planeamiento, en contraposición a
modelos más exactos como el flujo de carga AC que sin embargo no eran aplicables en
trabajos de planeamiento. Modelos como el flujo de carga AC no son adecuados porque
la topologı́a de las redes iniciales que aparecen en el problema de planeamiento son gene-
ralmente no conexas, con barras y/o regiones desconectadas, y porque el problema de
reactivos produce serios problemas de convergencia en sistemas no conectados.
• Inició la fase de los algoritmos heurı́sticos construtivos que fueron muy usados en las
décadas siguientes. Estos algoritmos consisten, básicamente, en ir adicionando un circuito
en cada paso del método, guiados por un indicador de sensibilidad, hasta que se satisfagan
todas las condiciones de operación.
Lógicamente, el algoritmo desarrollado por Garver fué el primer intento para encontrar una
buena solución de un problema complejo y no pretendı́a ser un método para obtener la solución
óptima. Encontrar la solución óptima del problema formulado por Garver usando el modelo
de transportes, implicarı́a resolver un problema de programación lineal entero mixto (PLIM).
La solución óptima de un problema de este tipo puede ser encontrada, por ejemplo, usando
un algoritmo de Branch and Bound. De otro lado, esta técnica exige el uso de conocimientos
profundos de programación lineal, programación entera, buena experiencia en programación
con lenguajes de alto nivel (FORTRAN, C, etc) y computadores de alta velocidad para resolver
problemas de sistemas reales y no todas esas herramientas estaban disponibles en la década de
60 cuando fué desarrollado el trabajo de Garver.
3.1.1 El Algoritmo de Garver
Garver [22] sugiere usar el modelo de transportes para resolver problemas de planeamiento. El
modelo de transportes, ampliamente discutido en el capı́tulo 2, asume la siguiente forma:
59
X
(i,j)
s.a.
S f +g =d
0≤g≤g
0 ≤ nij ≤ nij
nij entero
fij irrestricto
En el modelo de transportes solo se considera la primera ley de Kirchhoff y los lı́mites de

flujos en los circuitos, esto es, no se considera la segunda ley de Kirchhoff, el modelo resultante
es entonces un modelo relajado en relación a los modelos hı́brido y DC. En consecuencia, la
solución encontrada para el modelo de transportes no es necesariamente una solución factible
para los modelos hı́brido y DC. De otro lado, es necesario mencionar que la forma matemática
del modelo de transportes presentado por Garver en [22] es significativamente diferente del
sistema (3.1) presentado aquı́, aunque sean conceptualmente equivalentes.
El problema (3.1) es un PLIM, sin embargo si aceptamos como solución valores de nij no en-
teros entonces (3.1) se transforma en un simple problema de programación lineal (PL). En otras
palabras, si eliminamos la condición de variables enteras para los nij aceptando temporalmente
que asuman valores fraccionários entonces el problema (3.1), se transforma en un problema
mas simple. El problema resultante de (3.1), después de eliminar la condición de variables
enteras, nos conduce a un PL denominado: problema de programación lineal correspondiente.
Se debe observar que, en el problema (3.1), las restricciones del tipo |fij |... con valor absoluto
pueden ser substituı́das por dos restricciones lineales. Lógicamente, una solución con lı́neas de
transmisión fraccionárias es inaceptable como propuesta final de solución, sin embargo puede
ser una idea interesante como estratégia en el propósito de encontrar una buena solución para
el problema con variables de inversión enteras. Ası́, la idea de Garver consiste en usar el PL
correspondiente como una estratégia para encontrar una buena solución del problema original.
La propuesta de Garver consiste en resolver el problema (3.1) modificado y encontrar la
solución óptima no entera para la configuración actual noij . Ası́, conocidas las incógnitas nij ,
encontradas usando un algoritmo de PL, se pueden encontrar los flujos de potencia en todos los
circuitos existentes (noij ) y nuevos (nij ). En consecuencia, aquel camino nuevo ij, identificado
por el nij que conduce el mayor flujo de potencia, representa el camino más atractivo de acuerdo
con la propuesta de Garver. La propuesta de Garver entonces consiste en adicionar un circuito
en la configuración actual en el camino más atractivo y actualizar la configuración actual
de acuerdo con la adición seleccionada. Un proceso repetido de esa estratégia, adicionando
en cada paso un circuito en el camino más atractivo, constituye el algoritmo de Garver. El
proceso termina cuando la solución del PL correspondiente a la configuración actual presenta
una solución con todos los nij = 0 lo que significa que no es necesario realizar más adiciones y
el conjunto de adiciones realizadas representa la propuesta de solución del algoritmo de Garver.
60
El algoritmo de Garver puede ser resumido en los siguientes pasos:
1. Asumir la configuración base noij como configuración actual.

2. Resolver el PL correspondiente del problema (3.1) para la configuración actual. Si todos
los nij = 0 el proceso termina porque se ha encontrado una buena configuración factible.
En caso contrario se debe ir al paso 3.
3. Calcular los flujos en todos los nuevos circuitos adicionados por el PL, (nij 6= 0), usando la
relación fijv = nij f ij . Identificar el camino nuevo ij con el mayor valor de fijv y actualizar
la configuración actual adicionando un circuito en aquel camino ij. Regresar al paso 2.
El algoritmo presentado anteriormente no tiene la misma estructura ni la simbologı́a usada

en [22] sin embargo los dos algoritmos son conceptualmente equivalentes. En [22] se usan
conceptos como trayectorias sobrecargadas (overload path) y la determinación de flujos lineales
(lineal flow estimation) que son conceptos de la formulación matemática y de la estratégia de
programación lineal adoptada.
El mayor esfuerzo computacional del algoritmo corresponde al paso 2 que consiste en resolver
un problema de PL. De otro lado, el algoritmo presentado puede ser modificado para obtener
versiones alternativas ligeramente diferentes del algoritmo de Garver. Pueden ser realizadas las
siguientes modificaciones:
1. Después de la solución del primer PL, se puede incorporar en la configuración base,

simultáneamente, la parte entera de todos los circuitos que presentan valores de nij ≥ 1.
2. En cada paso, se puede seleccionar para adición de un circuito, aquel camino con mayor
valor de nij en lugar de escoger el camino con mayor valor de fijv .
3. En cada paso, se puede mantener el critério de adición de aquel camino con mayor valor
de fijv sin embargo en lugar de adicionar un circuito en aquel camino, se puede adicionar
un número de circuitos igual a la parte entera de nij .
4. Incorporar un proceso de Fase II para retirar circuitos irrelevantes adicionados en la fase
inicial.
Todas las modificaciones propuestas pueden ser incorporadas separadamente o en conjunto

y conducen a algoritmos ligeramente diferentes del algoritmo de Garver. Todos estos algoritmos
alternativos (sin la incorporación de la denominada Fase II) son más rápidos pues necesitan
menos ejecuciones de PL y generalmente, aunque no siempre, las soluciones obtenidas son de
menor calidad. Desde el punto de vista de optimización matemática, el algoritmo de Garver
es un algoritmo heurı́stico construtivo que en la práctica encuentra configuraciones de buena
calidad, sin embargo del punto de vista teórico no existe garantia de encontrar la configu-
ración óptima global del problema. En la práctica esto significa que el algoritmo encuentra con
fácilidad las configuraciones óptimas de sistemas pequeños, sin embargo en sistemas de gran
tamaño y gran complejidad, encuentra configuraciones que pueden resultar bastante diferentes
de la configuración óptima.
61
Ejemplo 3.1: Sistema de 4 Barras
Se utiliza el algoritmo de Garver para realizar el planeamiento del sistema de 4 barras presentado
en la figura 2.5 del capı́tulo 2. El sistema presenta dos circuitos en la configuración base y
se utiliza el modelo de transportes. Asumiendo que no existen lı́mites para las adiciones de
circuitos en cada camino, el modelo matemático asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 + 2n14 + 2n24 (3.2)

s.a.
−f12 − f13 − f14 + g1 = 0
f12 − f23 − f24 = 0, 60
f13 + f23 = 0, 20
f14 + f24 = 0, 25
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40(1 + n23 )
|f14 | ≤ 0, 40 n14
|f24 | ≤ 0, 40 n24
0 ≤ g1 ≤ 1, 05
n12 , n13 , n23 , n14 , n24 enteros
f12 , f13 , f23 , f14 e f24 irrestrictos
El algoritmo de Garver resuelve el problema a través de las siguientes iteraciones:

Primera iteración:
Paso 1:
La configuración base con no13 = no23 = 1 y no12 = no14 = no24 = 0 permite montar el sistema
(3.2) y representa la configuración actual.
Paso 2:
Después de usar un algoritmo de PL se obtiene la solución mostrada en la figura 3.1. La
función objetivo actual es: v = 3, 96.
Paso 3:
De la figura 3.1, se puede verificar que existe mayor flujo de potencia a través del nuevo
v
camino 1 − 4 con f14 = 25 MW pues el mayor flujo se obtiene comparando solamente los flujos
de los nuevos caminos de la configuración actual. Ası́, se adiciona un circuito en el camino 1 − 4
para obtener la nueva configuración actual:
no13 = no23 = no14 = 1 y no12 = no24 = 0
62
- 25
........
.
...
n14 = 0, 625 .. . 4
...
.. 25
...
1 ... 2
....... n12 = 0, 571 20 MW - 60
u-.................................................................
-
g1 ......@ ..
.@
..
.@
.. @ 40
.@ 40
n13 = 0, 5 .@ .R
..
@@ .
R ...
@
.. 3
20 @ ..
@ ......
- 20 M W
Figura 3.1: Sistema de 4 barras: Configuración base
Segunda iteración:
Paso 2:
Con la adición de un circuito en 1−4 el modelo matemático resultante es similar al problema
(3.2) diferenciandose solo en la restricción |f14 | ≤ 0, 40 n14 para |f14 | ≤ 0, 40 (1 + n14 ). Después
de resolver un PL se obtiene la solución mostrada en la figura 3.2. La función objetivo actual
es: v = 2 + 2, 18 = 4, 18 donde el valor 2 representa el costo del circuito 1 − 4 adicionado en la
iteración anterior y el valor 2,18 es el valor de la función objetivo del PL correspondiente.
Paso 3:
v
camino 1 − 3 con f13 = 20 MW. Ası́, se adiciona un circuito en el camino 1 − 3 para obtener la
nueva configuración actual:
no13 = 2; no23 = no14 = 1 y no12 = no24 = 0
Tercera iteración:
Paso 2:
Con la adición de un circuito en 1 − 3 el modelo matemático es similar al sistema de la
iteración anterior diferenciandose apenas en la restricción |f13 | ≤ 0, 40(1 + n13 ) para |f13 | ≤
0, 40(2 + n13 ). Después de usar un algoritmo de PL se obtiene la solución mostrada en la figura
3.3. La función objetivo actual es: v = 4 + 1 = 5, donde el valor 1 es el valor de la función
objetivo del PL correspondiente.
Paso 3:
v
De la figura 3.3, se puede verificar que el camino 2 − 3 con f23 = 20 MW es el único
63
......25
-
..
..
..
4 ..n24 = 0, 375
..
.
40 15 @ ...
R ..
1
@
..
.. 2
n = 0, 143 5 ....... -
u-.................................................................
12
- 60
g1 ......@..
.@
..
.@
.. @ 40
.@ 40
n13 = 0, 5 .@ .R
..
.
R ...
@@
@
.. 3
20 @ ..
@ ......
- 20 M W
Figura 3.2: Sistema de 4 barras después de una adición.
candidato. Ası́, se adiciona un circuito en el camino 2 − 3 para obtener la nueva configuración

actual:
no13 = no23 = 2; no14 = 1 y no12 = no24 = 0
Cuarta iteración:
Paso 2:
Con la adición de un circuito en 2 − 3 el modelo matemático es similar al obtenido en la
iteración anterior, diferenciandose apenas en la restricción |f23 | ≤ 0, 40(1 + n23 ) para |f23 | ≤
0, 40(2 + n23 ). Después de usar un algoritmo de PL se obtiene la solución mostrada en la
figura 3.4. No existe adición de nuevos caminos pues todos los nij = 0. En consecuencia, las
adiciones realizadas son suficientes para que el sistema opere adecuadamente para el modelo de
transportes. Las adiciones realizadas, para encontrar la configuración final, son las siguientes:
n13 = n23 = n14 = 1 y n12 = n24 = 0
con inversión igual la v = 6. Posteriormente se verificará que esta configuración realmente

es una configuración óptima para el modelo de transportes, esto es, el algoritmo heurı́stico
construtivo de Garver encuentra la configuración (solución) óptima del problema.
64
- 25
4
25
1 2
- 60
u-
g1 .......
@
@ ...
@ ..
40 ....
@
R 80
@
@@@
..
.. 20
@
@
.
..
@
@ 3
@
@ ... n23 = 0, 5
@
@ .......
- 20 M W
Figura 3.3: Sistema de 4 barras después de dos adiciones.
- 25
4
25
1 2
- 60
u-
g1 = 105 @
@
@
@
R 80 60
@
@@@
@
@
@
@
@ 3
@
@
@
- 20 M W
Figura 3.4: Configuración final del Sistema de 4 barras.
65
Ejemplo 3.2: Sistema de 3 Barras
Se utiliza el algoritmo de Garver para realizar el planeamiento del sistema de 3 barras presentado
en la figura 3.5 que es el mismo sistema de 3 barras presentado en el capı́tulo 2 sin embargo
con solamente un circuito en la configuración base.
Usando el modelo de transportes y asumiendo que no existe lı́mite para el número de
adiciones de circuitos en cada camino, el modelo matemático asume la siguiente forma:
min v = 3n12 + 2n13 + 2n23 (3.3)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
|f12 | ≤ 0, 35n12
|f13 | ≤ 0, 40(1 + n13 )
|f23 | ≤ 0, 40n23
0 ≤ g1 ≤ 0, 80
n12 . n13 , n23 enteros
1 f 12 = 35 M W c12 = 3 2
u-................................................................. - 60
1
γ12 = 3
g 1 = 80......@
.. .......
.@
.. ...
.@
.. f = 40 ..
.. 13 f 23 = 40 ...
.. ..
c13 = 2
@
.@
.. ... c23 = 2
1 .@
. 3 ...
γ13 = 2 .. .. γ23 = 12
.. .
@ ...... .......
- 20 M W
Figura 3.5: Configuración base del sistema de 3 barras.
El algoritmo de Garver resuelve el sistema a través de las siguientes iteraciones:

Paso 1:
La configuración base con no13 = 1 y no12 = no23 = 0 permite montar el sistema (3.3) y
representa la configuración actual.
66
Paso 2:
Después de usar un algoritmo de PL se obtiene la solución mostrada en la figura 3.6. La
función objetivo actual es: v = 4, 43 que es la solución óptima del PL correspondiente.
Paso 3:
v
no12 = no13 = 1 y no23 = 0
1 2
n12 = 1, 143 40 MW
u-.................................................................
- - 60
g1 = 80 .......
@
...
@ ..
R 40 20 ...
.
@@
..
@
.. n23 = 0, 5
@
.
..
@
3
@
...
@
.......
- 20 M W
Figura 3.6: Solución óptima continua.
Paso 2:
Con la adición de un circuito en 1 − 2 el modelo matemático es muy similar al del problema

(3.3) diferenciandose apenas en la restricción |f12 | ≤ 0, 35 n12 para |f12 | ≤ 0, 35(1 + n12 ).
Después de resolver el PL se obtiene la solución mostrada en la figura 3.7. La función objetivo
actual es: v = 3+1, 43 = 4, 43, donde el valor 3 representa el costo del circuito 1−2, adicionado
en la iteración anterior, y el valor 1,43 es el valor de la función objetivo del PL correspondiente.
Paso 3:
v
no12 = no13 = no23 = 1
67
1 2
n12 = 0, 143 5
u-.................................................................
- - 60
35 -
g1 = 80 .......
@
...
@ ..
R 40 20 ...
..
@@
@
@
... n23 = 0, 5
@
3 ..
@ ...
.
@
.......
- 20 M W
Paso 2:
Con la adición de un circuito en 2 − 3 el modelo matemático es muy similar al obtenido
en la iteración anterior diferenciandose apenas en la restricción |f23 | ≤ 0, 40 n23 para |f23 | ≤
0, 40(1 + n23 ). Después de resolver el PL, se obtiene la solución mostrada en la figura 3.8. La
función objetivo actual es: v = 5 + 0, 25 = 5, 25, donde el valor 0,25 es el valor de la función
objetivo del PL correspondiente.
Paso 3:
De la figura 3.8, se puede verificar que existe apenas un nuevo camino atractivo a través de
v
1 − 3 con f13 = 5 MW. Ası́, se adiciona un circuito en el camino 1 − 3 para obtener la nueva
configuración actual:
no12 = no23 = 1 y no13 = 2
1 2
35 - - 60
u-
g1 = 80 ......@
..
.@
..
.@
.. @ 40
.. @ 25
@.R
..
..
5 @@ R .@
@
.. 3
.@
.
n13 = 0, 125 .......
- 20 M W
68
Cuarta iteración:
Paso 2:
Con la adición de un circuito en 1 − 3 el modelo matemático es muy similar al obtenido
en la iteración anterior diferenciandose apenas en la restricción |f13 | ≤ 0, 40(1 + n13 ) para
|f13 | ≤ 0, 40(2 + n13 ). Después de resolver el PL se obtiene la solución mostrada en la figura
3.9. No existe adición de nuevos caminos pues todos los nij = 0. En consecuencia, las adi-
ciones realizadas son suficientes para que el sistema opere adecuadamente para el modelo de
transportes. La configuración final obtenida es la siguiente:
n12 = n13 = n23 = 1
con inversión igual la v = 7. En este caso, el algoritmo de Garver no encuentra la solución

óptima global para el modelo de transportes. Posteriormente se verificará que la solución óptima
de este problema es la siguiente: n13 = 1 y n23 = 2 con inversión de v = 6. En otras palabras, el
algoritmo heurı́stico construtivo de Garver no encuentra la configuración óptima del problema.
1 2
35 - - 60
u-
g1 = 80 @
@
@
@
R 45 25
@
@@@
@
@
@
@
@ 3
@
@
@
- 20 M W
Figura 3.9: Configuración final del sistema de 3 barras.
3.2 Heurı́sticas Construtivas Usando el Modelo DC

Después del trabajo pionero de Garver surgieron nuevas investigaciones que utilizaban el modelo
DC para representar la red de transmisión, y aplicaban algoritmos heurı́sticos construtivos para
encontrar una solución para este modelo. Es evidente que el modelo DC es una representación
más adecuada para el problema de planeamiento de sistemas de transmisión. De otro lado, la
dificuldad de resolver problemas usando el modelo DC es mayor cuando se compara con los
problemas formulados usando el modelo de transportes. En compensación, las configuraciones
encontradas son mejores como alternativas de planeamiento. Se debe tener en cuenta que, en
planeamiento de sistemas de transmisión, se están utilizando modelos matemáticos relajados
(transportes, hı́brido, lineal disyuntivo y DC) para encontrar configuraciones que después deben
probarse usando el modelo más exacto de operación de sistemas de energı́a eléctrica, esto es,
69
el modelo de flujo de carga AC. En consecuencia, es evidente que las configuraciones obtenidas
usando los modelos de planeamiento de sistemas de transmisión frecuentemente requieren de
un ajuste o refuerzo adicional en las fases siguientes de estudio (planeamiento de reactivos,
planeamiento de corto plazo, etc).
Teniendo en cuenta las observaciones antes mencionadas, existe un consenso entre los inves-
tigadores del planeamiento de sistemas de transmisión de que el modelo considerado ideal en
la fase de planeamiento es el modelo DC. Consequentemente, la mayorı́a de las investigaciones
publicadas en planeamiento de sistemas de transmisión utilizan el modelo DC y, en los últimos
años, los otros modelos (transportes y hı́brido) se han venido aplicando como modelos auxiliares
para encontrar excelentes configuraciones de inicio para el modelo DC.
Dos algoritmos heurı́sticos construtivos que utilizan el modelo DC y son muy utilizados son:
el algoritmo de mı́nimo esfuerzo y el algoritmo de mı́nimo corte de carga. Estos algoritmos son
muy similares y la diferencia fundamental está en el tipo y en la determinación del indicador
de sensibilidad usado. Esos algoritmos se presentan en detalle a continuación.
3.2.1 Algoritmo de Mı́nimo Esfuerzo
El algoritmo de mı́nimo esfuerzo [60] es un algoritmo heurı́stico construtivo que utiliza el modelo
DC. Ası́ como en el algoritmo de Garver, el algoritmo de mı́nimo esfuerzo adiciona al sistema
un circuito en cada paso. De otro lado, el modelamiento matemático es ligeramente diferente
del modelo DC presentado en el capı́tulo 2.
Como el algoritmo de mı́nimo esfuerzo es un proceso paso a paso, en cada paso se resuelve un
problema de flujo de carga DC. Ası́, en cada paso esta disponible la denominada configuración
actual, constituı́da por todos los circuitos existentes en la configuración base y los circuitos
adicionados en los pasos anteriores. Ası́, en cada paso del algoritmo, se debe resolver el siguiente
problema:
Bθ = P (3.4)
en donde B es la matriz de susceptancias del sistema constituı́do por los circuitos de la configu-
ración actual y P es el vector de inyecciones lı́quidas de potencia activa. Una vez conocidos los
valores de θ, se pueden encontrar fácilmente los flujos de potencia a través de los circuitos del
sistema usando la relación :
fij = (θi − θj )γijeq (3.5)
en donde γijeq es la susceptancia equivalente de los circuitos existentes en el camino i − j. Si

existen circuitos sobrecargados entonces, se deben adicionar más circuitos atractivos al sistema
hasta eliminar todas las sobrecargas del sistema eléctrico.
Si la configuración actual presenta corte de carga entonces el próximo circuito que debe ser
adicionado al sistema debe ser aquel que presenta el mejor desempeño, determinado por un
indicador de sensibilidad que tiene la siguiente forma:
70
1
SIijme = ∆Zij = − (θi − θj )2 γij (3.6)
2
En donde los θj son obtenidos de la solución de (3.4) y γij es la susceptancia de un circuito en
el camino i − j. Ası́, el circuito más atractivo es representado por aquel camino que presenta
el mayor valor absoluto de SIijme . Una varı́ante de la metodologia de mı́nimo esfuerzo consiste
en modificar la relación (3.6) para incorporar el efecto de los costos de los circuitos. Ası́,
también hace parte del algoritmo de mı́nimo esfuerzo la utilización del siguiente indicador de
sensibilidad:
∆Zij 1
SIijmec = = − (θi − θj )2 γij /cij (3.7)
cij 2
en donde cij es el costo de adición de un circuito en el camino i − j. En consecuencia, en

el algoritmo de mı́nimo esfuerzo puede usarse cualquiera de los indicadores de sensibilidad
anteriormente especificados. Obviamente, el uso de cada uno de los indicadores de sensibilidad
debe producir propuestas de planeamiento diferentes.
La justificación teórica para usar el indicador de sensibilidad (3.6) es que la solución óptima
del siguiente problema:
1 X fij2
min Z = (3.8)
2 γij
s.a.
Sf =P
es equivalente a la solución obtenida con Bθ = P con fij = (θi −θj )γijeq , esto es, por la aplicación
de las dos leyes de Kirchhoff. Haciendo un paralelo con circuitos resistivos, se puede afirmar que
las dos leyes de Kirchhoff en un circuito resistivo producen una distribución de flujos de potencia
que minimiza las pérdidas en el circuito resistivo. En el sistema de potencia, se puede decir que
las dos leyes de Kirchhoff producen una mejor distribución de los flujos en el sistema eléctrico.
Derivando la función objetivo de (3.8) y después de algunas manipulaciones matemáticas, se
puede encontrar la relación (3.6). La dedución matemática de la relación (3.6) es presentada
en el apéndice.
Para terminar de presentar el algoritmo de mı́nimo esfuerzo aún es necesario discutir un
aspecto complicante. La configuración actual puede ser un sistema no conexo, esto es, pueden
existir barras aisladas de la parte conexa del sistema eléctrico. Este hecho produce dos pro-
blemas: (1) para un sistema no conexo el sistema (3.4) normalmente no tiene solución, y
(2) es necesario tener valores de todos los θj para encontrar los valores de los indicadores
de sensibilidad. Este problema se resuelve colocando una red fictı́cia sobre la red existente
para volver el sistema eléctrico conexo. El concepto de red fictı́cia fué usado posteriormente
por otros investigadores, en algunos casos con otros nombres, para poder trabajar con redes
eléctricas no conexas. Se pueden usar varios tamaños de red fictı́cia. Ası́, se puede colocar
71
una red fictı́cia constituı́da por circuitos fictı́cios a través de todos los caminos del sistema
eléctrico o colocar circuitos fictı́cios solamente en la parte del sistema eléctrico correspondiente
a los caminos nuevos o colocar circuitos fictı́cios solamente en un número mı́nimo de caminos
nuevos, suficientes para volver o sistema eléctrico conexo. Para el algoritmo de mı́nimo esfuerzo,
se puede colocar un circuito fictı́cio con un valor reducido, por ejemplo, con un valor de nij =
0, 001, esto es, colocando una milésima parte de un circuito.
En los ejemplos presentados en este capı́tulo se utiliza una formulación ligeramente diferente
de la formulación original presentada en [60] Ası́, en vez de resolver el problema (3.4), se resuelve
el siguiente PL:
X
min w = ri (3.9)
s.a.
Bθ + g + r = d
0≤g≤g
0≤r≤d
θj irrestricto
La solución de (3.9) debe ser exactamente igual a la solución de (3.4). En realidad (3.9) es
un PL con un único punto factible y en la solución final siempre ocurre que w = 0, esto es, está
siendo resuelto un sistema de ecuaciones algébricas, que presenta una única solución, usando
la fase I de un PL. Los motivos para usar esta formulación son los siguientes: (1) todos los
algoritmos presentados están siendo reformulados para que sean resueltos usando algoritmos de
PL, fácilitando la presentación académica y el trabajo de verificación de los resultados y, (2)
esta formulación alternativa permite trabajar, sin ninguna modificación, con una varı́ante del
problema de planeamiento de sistemas de transmisión cuando es posible realizar un redespacho
de la generación. En este último caso, no es posible usar la formulación (3.4) porque no son
conocidos anticipadamente los valores de g y, por lo tanto, de P .
Es importante observar que la única diferencia entre las dos formulaciones discutidas ante-
riormente está en el esfuerzo computacional. Es evidente que la formulación (3.9) requiere de
un mayor esfuerzo computacional. Otro aspecto importante es que, en la formulación (3.4), se
debe fijar uno de los θj en el valor cero, como referencia angular, mientras que en la formulación
(3.9) esta precaución no es necesaria pues el algoritmo de PL deja automaticamente uno de los
θj fuera de la base con valor igual la cero.
En los pasos intermedios del algoritmo de Garver siempre existen adiciones de circuitos que
producen inversiones diferentes de cero y el algoritmo finaliza justamente cuando el algoritmo
de PL no produce inversión porque los circuitos adicionados ya permiten operar adecuadamente
el sistema eléctrico. Por otro lado, en los pasos intermedios del algoritmo de mı́nimo esfuerzo
siempre existen circuitos sobrecargados porque los θj son irrestrictos y el algoritmo termina
cuando no existen circuitos sobrecargados porque los circuitos adicionados permiten que el
sistema opere adecuadamente.
El algoritmo de mı́nimo esfuerzo puede ser resumido en los siguientes pasos:
72
Fase I:
1. Asumir la configuración base noij (o equivalentemente γijo ) como configuración actual.
2. Resolver el PL correspondiente al problema (3.9) para la configuración actual. Si las

sobrecargas se han eliminado entonces pasar a la fase II pues se ha encontrado una con-
figuración factible. En caso contrario, calcular los indicadores de sensibilidad de mı́nimo
esfuerzo usando la relación (3.6) o la relación (3.7) y ordenar la lista de circuitos can-
didatos a adición iniciando por el circuito más atractivo de acuerdo con el indicador de
sensibilidad, esto es, el circuito más atractivo es aquel que posee el mayor valor absoluto
de indicador de sensibilidad encontrado usando (3.6) o (3.7) .
3. Adicionar al sistema un circuito correspondiente al camino más atractivo determinado

en el paso anterior (el primer elemento de la lista), para obtener la nueva configuración
actual.
Fase II:
1. Es posible que existan algunos circuitos irrelevantes adicionados durante la fase I debido
a otras adiciones más importantse realizadas posteriormente. Ordenar los circuitos adi-
cionados en orden decresciente de sus costos y eliminar aquellos que, una vez simulada su
salida, no producen cortes de carga en el sistema.
En los ejemplos presentados a continuación se usan circuitos fictı́cios en todos los nuevos
caminos candidatos la adición, con el circuito fictı́cio en el camino i − j definido con el valor de
nij = 0, 001.
Ejemplo 3.3: Sistema de 3 Barras Aislado
Se utiliza el algoritmo de mı́nimo esfuerzo para realizar el planeamiento del sistema de 3 barras
aislado mostrado en la figura 2.3 del capı́tulo 2 y mostrado nuevamente en la figura 3.10. En
este ejemplo se usa el indicador de sensibilidad mostrado en la ecuación (3.6). En consecuencia,
el sistema no presenta circuitos en la configuración base y, lógicamente, se utiliza el modelo
DC. Ası́, el modelamiento matemático asume la siguiente forma:
73
min w = r2 + r3 (3.10)
s.a.
1 1 1 1
−( n12 + n13 )θ1 + n12 θ2 + n13 θ3 + g1 = 0
3 2 3 2
1 1 1 1
n12 θ1 − ( n12 + n23 )θ2 + n23 θ3 + r2 = 0, 60
3 3 2 2
1 1 1 1
n13 θ1 + n23 θ2 − ( n13 + n23 )θ3 + r3 = 0, 20
2 2 2 2
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
θ1 , θ2 , e θ3 irrestrictos
Los valores de n12 , n13 y n23 deben ser conocidos en cada paso del proceso de optimización en
donde se resuelve el problema (3.10) que es un PL.
1 f12 - 2
u-.................................................................
- 60
g1 ....... .......
.. ..
θ1 ... .. θ2
.. @ f13 f ...
.. @ 23 ...
.R
..
.. ...
.. 3 ..
.. ..
.. ...
...... ......
- 20 M W
θ3
El algoritmo de mı́nimo esfuerzo resuelve el problema a través de las siguientes iteraciones:

Fase I:
Paso 1:
La configuración base es obtenida del sistema (3.10) con n12 = n13 = n23 = 0, 001. Ası́, fué
montada la configuración actual exclusivamente con circuitos fictı́cios.
Paso 2:
Después de usar un algoritmo de PL para resolver el problema (3.10) son obtenidos la
solución y los indicadores de sensibilidad que se muestran en la figura 3.11. Todos los circuitos
fictı́cios se encuentran sobrecargados.
74
Paso 3:
De la figura 3.11, se puede verificar que el camino 1 − 2 posee el mayor indicador de sen-
sibilidad. Ası́, se adiciona al sistema un circuito en el camino 1 − 2 para obtener la nueva
configuración actual. En consecuencia, en (3.10) los nuevos valores de los nij son los siguientes:
n12 = 1 y n13 = n23 = 0, 001.
1 38,2 MW - 2
u-................................................................. - 60
g1 ....... .......
.. .. Circuito SI
.. .
.. ..
..@@ 41,8 21,8 ... 1-2 269972,4
..R ..
.. .. 1-3 174876,0
.. .
.. 3 ..
.. ... 2-3 47603,3
.. .
...... .......
- 20 M W
Paso 2:
solución y los indicadores de sensibilidad que se muestran en la figura 3.12. El circuito 1 − 2 y
los dos circuitos fictı́cios se encuentran sobrecargados.
Paso 3:
n12 = n13 = 1 y n23 = 0, 001. En este caso también ya es posible eliminar la red fictı́cia haciendo
n23 = 0 porque el sistema eléctrico ya se encuentra conexo.
Paso 2:
solución y los indicadores de sensibilidad que se muestran en la figura 3.13. El circuito 1 − 2 es
el único sobrecargado.
Paso 3:
n12 = 2, n13 = 1 y n23 = 0, 001.
75
1 69,9 MW - 2
- 60
u-
g1 ....... .......
.. .. Circuito SI
.. ..
.. ..
..@@ 11,1 9,9 .. 1-2 0,7
..R ..
.. .. 1-3 10105,2
.. ..
.. 3 .
.. .. 2-3 9895,3
.. ...
...... ......
- 20 M W
1 59,9 MW - 2
- 60
u-
g1 ......
... Circuito SI
..
@
@
20,1 0,1 ... 1-2 0,54
.
..
@
@R
@
@ ... 1-3 0,04
3 ..
..
@
.. 2-3 0,49
.......
@
@
- 20 M W
Cuarta iteración:
Paso 2:
Después de usar un algoritmo de PL para resolver el problema (3.10), es obtenida la solución
mostrada en la figura 3.14 donde no existe circuito sobrecargado. La fase I termina con las
siguientes adiciones:
n12 = 2 y n13 = 1 con inversión igual a v = 8
Fase II:
Simulando la salida de cada uno de los circuitos adicionados en la Fase I todos ellos producen
sobrecargas en el sistema, por lo tanto, no es posible retirar ningun elemento. Posteriormente
se verificará que la solución encontrada es realmente la configuración óptima. De otro lado,
existe una solución óptima alternativa con las siguientes adiciones: n13 = n23 = 2 y con v = 8.
76
1 2
60 MW - - 60
u-
g1 .......
...
.
@
θ1 = 0, 899@ .. θ2 = 0, 0
20 ..
@@@
R ..
@ ...
3 ..
..
@
..
.......
@
@
- 20 M W
θ3 = 0, 499
Ejemplo 3.4: Sistema de 3 barras con un circuito en la base
Se utiliza el algoritmo de mı́nimo esfuerzo para realizar el planeamiento del sistema de 3 barras,
con un circuito en la configuración base, usado en el ejemplo 3.2 y mostrado nuevamente en la
figura 3.15. En este ejemplo se usa el indicador de sensibilidad mostrado en la ecuación (3.7).
Usando el modelo DC, el modelamiento matemático asume la siguiente forma:
min w = r2 + r3 (3.11)
s.a.
1 1 1 1 1
−( + n12 + n13 )θ1 + n12 θ2 + (1 + n13 )θ3 + g1 = 0
2 3 2 3 2
1 1 1 1
n12 θ1 − ( n12 + n23 )θ2 + n23 θ3 + r2 = 0, 60
3 3 2 2
1 1 1
(1 + n13 )θ1 + n23 θ2 − (1 + n13 + n23 )θ3 + r3 = 0, 20
2 2 2
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20

Fase I:
Paso 1:
La configuración base es obtenida del sistema (3.11) con n13 = 0 y n12 = n23 = 0, 001.
77
1 f12 - 2
u-.................................................................
- 60
g1 .......
...
.
@
θ1 .. θ2
@
@@@R f13 f 23 ....
@ ...
3 ..
..
@
@
...
@ ......
- 20 M W
θ3
Paso 2:
Después de usar un algoritmo de PL para resolver el problema (3.11) se obtienen la solución
y los indicadores de sensibilidad que se muestran en la figura 3.16. El circuito 1 − 3 y los dos
circuitos fictı́cios están sobrecargados.
Paso 3:
n12 = 0, 001, n13 = 0 y n23 = 1.
1 22,5 MW - 2
u-.................................................................
- 60
g1 .......
... Circuito SI
..
@
57,5 37,5 .... 31309,9
@
@@R 1-2
@ .
@ ... 1-3 0,16
.
@ 3 ..
... 2-3 70231,7
.......
@
@
- 20 M W
Paso 2:
y los indicadores de sensibilidad que se muestran en la figura 3.17. Los circuitos 1 − 3 y 2 − 3
están sobrecargados.
78
Paso 3:
n12 = 1, n13 = 0 y n23 = 1.
1 0,1 MW - 2
u-................................................................. - 60
g1
@ Circuito SI
79,1 59,9 0,43
@
@@@
R 1-2
@ 1-3 0,32
@ 3 0,18
@ 2-3
@
- 20 M W
Paso 2:
y los indicadores de sensibilidad que se muestran en la figura 3.18. El circuito 1 − 2 está
sobrecargado.
Paso 3:
n12 = 2, n13 = 0 y n23 = 1. De otro lado, se debe observar que realmente existe un empate
entre los caminos 1-2 y 1-3.
Cuarta iteración:
Paso 2:
que no presenta sobrecarga mostrada en la figura 3.19. Ası́, la fase I termina con las siguientes
adiciones:
n12 = 2 e n23 = 1 con inversión igual a v = 8
Fase II:
Simulando la salida de cada uno de los circuitos adicionados en la Fase I, la retirada del
79
1 2
40 MW - - 60
u-
g1
@ Circuito SI
0,80
@
R 40
@@@ 20 1-2
@ 1-3 0,80
@ 3 0,02
@ 2-3
@
- 20 M W
1 50,9 MW - 2
- 60
u-
g1
@
29,1 9,1
@
@@@
R
@
@ 3
@
@
- 20 M W
Figura 3.19: Sistema de 3 barras después de el fin de la fase I.
circuito 2 − 3 no produce sobrecarga en el sistema. Ası́, es retirado el circuito 2 − 3 y la

configuración final, mostrada en la figura 3.20, presenta las siguientes adiciones:
n12 = 2 con inversión igual a v = 6
Posteriormente se verificará que la solución encontrada después de la fase II es realmente la

configuración óptima. Ası́, en este caso, la configuración óptima se obtiene solamente después
de la fase II. De otro lado, en este ejemplo también existe la solución óptima alternativa con
las siguientes adiciones: n13 = 1, n23 = 2 y con v = 6.
Ejemplo 3.5: Sistema de 4 barras con dos circuitos en la base
Se utiliza el algoritmo de mı́nimo esfuerzo para realizar el planeamiento del sistema de 4 barras
con dos circuitos en la configuración base usado en el ejemplo 3.1 y mostrado nuevamente en la
Usando el modelo DC, el modelamiento matemático asume la siguiente forma:
80
1 2
60 MW - - 60
u-
g1
@
θ1 = 0, 899@ θ2 = 0, 0
R 20
@@@
@
@ 3
@
@
- 20 M W
θ3 = 0, 499
min w = r2 + r3 + r4 (3.12)
s.a.
1 1 1 1 1 1 1
−( + n12 + n13 + n14 )θ1 + n12 θ2 + (1 + n13 )θ3 + n14 θ4 + g1 = 0
2 3 2 2 3 2 2
1 1 1 1 1 1 1
n12 θ1 − ( + n12 + n23 + n24 )θ2 + (1 + n23 )θ3 + n24 θ4 + r2 = 0, 60
3 2 3 2 2 2 2
1 1 1 1
(1 + n13 )θ1 + (1 + n23 )θ2 − (1 + n13 + n23 )θ3 + r3 = 0, 20
2 2 2 2
1 1 1
n14 θ1 + n24 θ2 − (n14 + n24 )θ4 + r3 = 0, 25
2 2 2
0 ≤ g1 ≤ 1, 05
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
0 ≤ r4 ≤ 0, 25
θ1 , θ2 , θ3 , e θ4 irrestrictos

Fase I:
Paso 1:
La configuración base es obtenida del sistema (3.12) con n13 = n23 = 0 y n12 = n14 = n24 =
0, 001.
Paso 2:
Después de resolver el PL correspondiente al problema (3.12) se obtienen la solución y los
81
θ4
- 25
....... .......
.. ..
... ..
..
.. 4 ..
.. ..
.. f f ..
.. 14
@ ...
24 @
.. I
1 .... ..
.. 2
....... f12 ....... -
u-.................................................................
- 60
g1 @
θ1 @ θ2
@@ f13 f23
@R
@
@
@ 3
@
- 20 M W
θ3
Figura 3.21: Sistema de 4 barras: Configuración base.
indicadores de sensibilidad que se muestran en la figura 3.22. Los circuitos normales 1 − 3 y

2 − 3 y los circuitos fictı́cios 1 − 4 y 2 − 4 están sobrecargados.
Paso 3:
n12 = n24 = 0, 001, n13 = n23 = 0 y n14 = 1.
Paso 2:
y los indicadores de sensibilidad que se muestran en la figura 3.23. Los circuitos normales 1 − 3
y 2 − 3 están sobrecargados.
Paso 3:
n12 = 0, 001, n13 = n23 = 0 y n14 = n24 = 1.
Paso 2:
y los indicadores de sensibilidad que se muestran en la figura 3.24. Los circuitos normales 1 − 3
82
- 25
....... .......
.. ..
... ..
..
.. 4 ..
.. ..
.. 12,6 12,4 ..
..
. @ ...
I
@
.
1 .... ..
.. 2
....... 0,1 ....... -
u-.................................................................
- 60
g1
Circuito SI
@
@
@@ 92,3 72,3 1-2 0,60
R
@
0,43
@
@ 1-3
3 7915,7
@ 1-4
@
- 20 M W 2-3 0,26
2-4 7709,9
y 1 − 4 están sobrecargados.
Paso 3:
n12 = 1, n13 = n23 = 0 y n14 = n24 = 1.
Cuarta iteración:
Paso 2:
que no presenta sobrecarga mostrada en la figura 3.25. Ası́, la fase I termina con las siguientes
adiciones:
n12 = n14 = n24 = 1 con inversión igual a v = 7
Fase II:
Simulando la salida de cada uno de los circuitos adicionados en la Fase I, todas las propuestas
de retirada producen sobrecarga en el sistema. Ası́, la configuración final es la misma obtenida al
final de la fase I. Posteriormente se verificará que la solución encontrada no es una configuración
óptima. La solución óptima es obtenida con las siguientes adiciones: n13 = n14 = n23 = 1 y
con v = 6.
83
......25
-
..
..
..
4 ..
..
.
25,1 0,1 @ ....
R .
1
@
..
.. 2
0,1 ....... -
u-.................................................................
- 60
g1
Circuito SI
@
@
@@ 79,8 59,8 1-2 0,43
R
@
0,32
@
@ 1-3
3 0,03
@ 1-4
@
- 20 M W 2-3 0,18
2-4 0,65
- 25
@
@
4 @
53,7 28,7 @
@
@@
R
1 @ 2
0,1 - 60
u-.................................................................
- @
g1
Circuito SI
@
@
@@ 51,2 31,2 1-2 0,15
R
@
0,13
@
@ 1-3
3 0,14
@ 1-4
@
- 20 M W 2-3 0,05
2-4 0,04
84
θ4 = 0, 245
- 25
@
@
4 @
37,3 12,3 @
@
@@
R
1 @ 2
33,0 - 60
u-
- @
g1 @
θ1 = 0, 99 @ θ2 = 0, 0
@@ 34,7 14,7
@R
@
@
@ 3
@
- 20 M W
θ3 = 0, 295
85
3.2.2 El Algoritmo de Mı́nimo Corte de Carga
El algoritmo de mı́nimo corte de carga fué originalmente presentado en [65]. Este algoritmo
también usa el modelo DC modificado usando los generadores artificiales para resolver los
problemas de operación del sistema eléctrico.
En el algoritmo de mı́nimo esfuerzo los problemas de operación del sistema eléctrico son
manejados permitiendo que los circuitos puedan sobrecargarse. En el algoritmo de mı́nimo
corte de carga los circuitos deben permanecer dentro de los lı́mites de operación y, por lo tanto,
los problemas de convergencia son resueltos usando los generadores artificiales lo que significa
que se permiten cortes de carga (racionamiento) en el sistema. Ası́, en cada paso, el algoritmo
de mı́nimo corte de carga minimiza el corte de carga del sistema y el proceso termina cuando
se han adicionado circuitos suficientes y no existe corte de carga en el sistema eléctrico. En
este caso también, en cada paso, existe la denominada configuración actual que es el conjunto
de circuitos existentes en la configuración base y los adicionados en los pasos anteriores.
En cada paso del algoritmo de mı́nimo corte de carga se resuelve el siguiente PL:
X
min w = ri (3.13)
s.a.
Bθ + g + r = d
|θi − θj | ≤ φij
0≤g≤g
0≤r≤d
θj irrestricto
El indicador de sensibilidad del método de mı́nimo corte de carga se obtiene de (3.13),

después de algunas manipulaciones matemáticas, y asume la siguiente forma:
∂Z
SIijmc = = −(θi − θj )(πi − πj ) (3.14)
∂γij
en donde SIijmc es el indicador de sensibilidad de la función objetivo con respecto a la susceptan-

cia del circuito en el camino i − j, los πj son los multiplicadores de Lagrange de las restricciones
Bθ + g + r = d y los θj son los ángulos de tensión de las barras del sistema obtenidos al resolver
(3.13).
En el método de mı́nimo corte de carga aparecen los mismos problemas que aparecen en el
método de mı́nimo esfuerzo en relación a los sistemas no conexos. En consecuencia, también
debe utilizarse una red fictı́cia para resolver los problemas de red no conexa. En consecuencia, se
define una red fictı́cia constituı́da por circuitos con valores de nij muy pequeños, sin embargo
con una capacidad de transmisión mayor que la de un circuito normal, esto es, el circuito
fictı́cio debe tener una abertura angular mayor que la abertura angular máxima permitida
en un circuito normal. Por ejemplo, en los ejemplos presentados se utilizan circuitos fictı́cios
86
con valores de nij = 0, 001 y con aberturas angulares máximas de |θi − θj | ≤ 10φij . La
primera caracterı́stica del circuito fictı́cio, nij pequeño, es para permitir un sistema conexo,
evitar problemas numéricos y producir una modificación mı́nima en el sistema. De otro lado,
la segunda caracterı́stica es importante en relación a la segunda ley de Kirchhoff, esto es, la
abertura angular de un circuito fictı́cio debe ser suficientemente grande para que las diferencias
angulares en los lazos artificiales generados por los circuitos fictı́cios no modifiquen las aberturas
angulares en los circuitos normales.
Una varı́ante del indicador de sensibilidad de mı́nimo corte de carga puede ser obtenida
incluyendo el efecto de los costos de los circuitos. Ası́, una relación alternativa para usar como
indicador de sensibilidad en el método de mı́nimo corte de carga es la siguiente:
SIijmcc = SIijmc /cij (3.15)
en donde cij es el costo de adición de un circuito en el camino i − j.

El algoritmo de mı́nimo corte de carga puede ser resumido en los siguientes pasos:
Fase I:
1. Asumir la configuración base noij (o, equivalentemente, γijo ) como configuración actual.
2. Resolver el PL (3.13) para la configuración actual. Si los cortes de carga se han eliminado
entonces pasar a la fase II pues se ha encontrado una configuración factible. En caso
contrario, calcular los indicadores de sensibilidad de mı́nimo corte de carga usando la
relación (3.14) o (3.15) y ordenar la lista de circuitos candidatos a adición, iniciando por
el circuito más atractivo de acuerdo con el indicador de sensibilidad, esto es, el circuito
más atractivo es aquel que posee el mayor valor de indicador de sensibilidad encontrado
usando (3.14) o (3.15) .
3. Adicionar al sistema un circuito correspondiente al camino más atractivo determinado

en el paso anterior (el primer elemento de la lista) para obtener la nueva configuración
actual.
Fase II:
cionados en orden decreciente de sus costos y eliminar aquellos que, una vez simulada su
87
Ejemplo 3.6: Sistema de 3 Barras Aislado
Se utiliza el algoritmo de mı́nimo corte de carga para realizar el planeamiento del sistema de 3
barras aislado usado en el ejemplo 3.3 y cuya configuración inicial (conectada) se muestra en la
El sistema no presenta circuitos en la configuración base y, lógicamente, se usa el modelo DC
modificado usando los denominados generadores artificiales. Ası́, el modelamiento matemático
asume la siguiente forma:
min w = r2 + r3 (3.16)
s.a.
1 1 1 1
−( n12 + n13 )θ1 + n12 θ2 + n13 θ3 + g1 = 0
3 2 3 2
1 1 1 1
n12 θ1 − ( n12 + n23 )θ2 + n23 θ3 + r2 = 0, 60
3 3 2 2
1 1 1
n13 θ1 + n23 θ2 − (n13 + n23 )θ3 + r3 = 0, 20
2 2 2
|θ1 − θ2 | ≤ 10, 5
|θ1 − θ3 | ≤ 8, 0
|θ2 − θ3 | ≤ 8, 0
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
En el problema (3.16), la capacidad de transmisión de una lı́nea fictı́cia es 10 veces mayor

que la de un circuito normal. Ası́, por ejemplo, en el camino 1 − 2 la abertura angular máxima
de un circuito fictı́cio es de |θ1 − θ2 | ≤ 10, 5 mientras que la abertura angular máxima de un
circuito normal es |θ1 − θ2 | ≤ 1, 05.
El algoritmo de mı́nimo corte de carga resuelve el problema a través de las siguientes itera-
ciones:
Fase I:
Paso 1:
La configuración base es obtenida del sistema (3.16) con n12 = n13 = n23 = 0, 001. La
configuración actual se construye usando exclusivamente circuitos fictı́cios.
Paso 2:
88
1 f12 - 2
u-.................................................................
- 60
g1 .......
.. ....... t r2
. ...
θ1 .. . θ2
.. @ f13 f ...
.. @ 23 ...
.R
..
.. ...
.. 3 ..
.. ..
.. ...
...... ......
r3 t- - 20 M W
θ3
solución y los indicadores de sensibilidad que se muestran en la figura 3.27. Obviamente, existe
corte de carga en las barras 2 y 3.
Paso 3:
n12 = n23 = 0, 001 y n13 = 1.
1 0,35 MW - 2
u-.................................................................
- 60
g1 .......
.. ....... tr2 = 59, 53
.. ...
.. ..
..@@ 0,40 0,12 ... Circuito SI
..
R ..
.. .
.. .. 1-2 1,17
.. 3 ...
w = 79, 25 .. . 1-3 2,0
.. ..
...... ....... 2-3 0,0
r3 = 19, 72 t- - 20 M W
Figura 3.27: Sistema inicial de 3 barras aislado.
Paso 2:
Se debe resolver el problema (3.16) sin embargo teniendo en cuenta que la siguiente res-
tricción angular tiene el lı́mite modificado: |θ1 − θ3 | ≤ 0, 80. Usando un algoritmo de PL son
obtenidos la solución y los indicadores de sensibilidad que son mostrados en la figura 3.28.
Existe corte de carga en la barra 2.
89
Paso 3:
n12 = 0, 001 y n13 = n23 = 1.
1 0,27 MW - 2
u-................................................................. - 60
g1 ....... tr2 = 59, 33

...
..
@
20,4 0,4 ...
@
@@@ . Circuito SI
..
R
. 1-2 0,93,
..
@
w = 59, 33
@ 3 ... 1-3 0,00
..
.......
@
@ 2-3 2,00
r3 = 0, 0 t- - 20 M W
Paso 2:
Se debe resolver el problema (3.16) sin embargo teniendo en cuenta que existen dos restric-
ciones angulares con el lı́mite modificado: |θ1 − θ3 | ≤ 0, 80 y |θ2 − θ3 | ≤ 0, 80. Usando un
algoritmo de PL son obtenidos la solución y los indicadores de sensibilidad que son mostrados
en la figura 3.29. Existe corte de carga en las barras 2 y 3.
Paso 3:
n12 = 0, 001, n13 = 2 y n23 = 1.
Cuarta iteración:
Paso 2:
Se debe resolver el problema (3.16) sin embargo teniendo en cuenta que existen dos restric-
ciones angulares con el lı́mite modificado: |θ1 − θ3 | ≤ 0, 80 y |θ2 − θ3 | ≤ 0, 80. Usando un
en la figura 3.30. Existe corte de carga en la barra 2.
Paso 3:
90
1 0,05 MW - 2
u-.................................................................
- 60
g1 ....... tr2 = 19, 95

...
..
@
40,0 40,0 ...
@
@@@ . Circuito SI
..
R
. 1-2 0,18
..
@
w = 39, 95
@ 3 ... 1-3 0,20
@
...
@ .
..... 2-3 0,00
r3 = 20 t- - 20 M W
n12 = 0, 001, n13 = n23 = 2.
1 0,05 MW - 2
u-................................................................. - 60
g1 ...... tr2 = 19, 95

@ ...
..
@
..
@
@ @ 60,0 40,0 .. Circuito SI
..
@
@ R
@
.
.. 0,16
@
@ 1-2
@
@ 3 ...
w = 19, 95 . 1-3 0,00
..
@
.......
@
@
@ 2-3 0,20
r3 = 0 t- - 20 M W
Figura 3.30: Sistema de 3 barras después de tres adiciones.
Quinta iteración:
Paso 2:
Se debe resolver el problema (3.16) teniendo en cuenta que existen dos restricciones angulares
con el lı́mite modificado: |θ1 − θ3 | ≤ 0, 80 y |θ2 − θ3 | ≤ 0, 80. Usando un algoritmo de PL es
obtenida la solución mostrada en la figura 3.31. No existe corte de carga en el sistema y, por
lo tanto, termina la fase I con las siguientes adiciones:
n13 = n23 = 2 con inversión igual a v = 8
Fase II:
Simulando la salida de cada uno de los circuitos adicionados en la Fase I todos ellos producen
corte de carga en el sistema, por lo tanto, no es posible retirar ninguna lı́nea. Posteriormente
se verifica que la solución encontrada corresponde a la configuración óptima.
91
1 2
- 60
u-
g1 .......
@
...
.. θ2 = 0, 0
@
θ1 = 1, 40 @
R 80,0 60,0 ....
@ @
@
@@
..
..
@
@
@
3 ..
..
@
w=0 @
..
.
@
@
@ ......
- 20 M W
θ3 = 0, 60
Ejemplo 3.7: Sistema de 3 barras con un circuito en la base
barras con un circuito en la configuración base, usado en el ejemplo 3.4 y mostrado nuevamente
en la figura 3.32. En este ejemplo se usa el indicador de sensibilidad mostrado en la
ecuación (3.14). Se utiliza el modelo DC modificado que utiliza los denominados generadores
artificiales. Ası́, el modelamiento matemático asume la siguiente forma:
min w = r2 + r3 (3.17)
s.a.
1 1 1 1 1
−( + n12 + n13 )θ1 + n12 θ2 + (1 + n13 )θ3 + g1 = 0
2 3 2 3 2
1 1 1 1
n12 θ1 − ( n12 + n23 )θ2 + n23 θ3 + r2 = 0, 60
3 3 2 2
1 1 1
(1 + n13 )θ1 + n23 θ2 − (1 + n13 + n23 )θ3 + r3 = 0, 20
2 2 2
|θ1 − θ2 | ≤ 10, 50
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 8, 00
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
ciones:
92
1 f12 - 2
u-.................................................................
- 60
g1 ....... t r2
...
.
@
θ1 .. θ2
@
@@@R f 13 f 23 ....
@ ...
3 ..
..
@
@
...
@ ......
r3 t- - 20 M W
θ3
Figura 3.32: Sistema inicial de de 3 barras.
Fase I:
Paso 1:
La configuración base es obtenida del sistema (3.17) con n12 = n13 = n23 = 0, 001.
Paso 2:
solución y los indicadores de sensibilidad que se muestran en la figura 3.33. Existe corte de
carga en la barra 2.
Paso 3:
n12 = n13 = 0, 001 y n23 = 1.
1 0,28 MW - 2
u-.................................................................
- 60
g1 ....... tr2 = 59, 32

...
..
@
20,4 0,4 ....
@
@@@ Circuito SI
..
R
@ .. 1-2 2,80
@ 3 ...
w = 59, 32 . 1-3 0,00
..
.......
@
@
t- - 20 M W 2-3 4,00
r3 = 0
Figura 3.33: Sistema inicial de 3 barras con barra conectada.
93
Paso 2:
Se debe resolver el problema (3.17), sin embargo teniendo en cuenta que la siguiente re-
stricción angular tiene el lı́mite modificado: |θ2 − θ3 | ≤ 0, 80. Usando un algoritmo de PL
son obtenidos la solución y los indicadores de sensibilidad que son mostrados en la figura 3.34.
Existe corte de carga en las barras 2 y 3.
Paso 3:
n12 = 1, n13 = 0 y n23 = 1.
1 0,05 MW - 2
u-................................................................. - 60
g1 ....... tr2 = 19, 95

...
.
@
@
40,0 40,0 ... Circuito SI
@
..
..
@@R
. 1-2 0,53
..
@
w = 39, 95
@ 3 ... 1-3 0,40
..
.......
@
@
t- - 20 M W 2-3 0,00
r3 = 20
Paso 2:
Se debe resolver el problema (3.17), sin embargo teniendo en cuenta que existen dos re-
stricciones angulares con el lı́mite modificado: |θ1 − θ1 | ≤ 1, 05 e |θ2 − θ3 | ≤ 0, 80. Usando un
en la figura 3.35. Existe corte de carga en las barras 2.
Paso 3:
n12 = 2, n13 = 0, n23 = 1.
Cuarta iteración:
Paso 2:
Se debe resolver el problema (3.16), sin embargo teniendo en cuenta que existen las dos
94
1 2
35 MW - - 60
u-
g1 ....... t r2 = 8, 75
...
..
@
R 36,25 16,25 ....
@ @
@@ Circuito SI
... 1-2 0,35
..
@
w = 8, 75
@ 3 ... 1-3 0,18
@
...
@ .
..... 2-3 0,08
r3 = 0 t- - 20 M W
restricciones angulares modificadas mencionadas en la iteración anterior. Usando un algoritmo

de PL es obtenida la solución mostrada en la figura 3.36. No existe corte de carga en el sistema
y, por lo tanto, la fase I termina con las siguientes adiciones:
n12 = 2 e n23 = 1 con inversión igual a v = 8
1 50,9 MW - 2
- 60
u-
g1 ......
...
.
..
@
R 29,1 9,1 ....
@ @
@@
..
@
...
@ 3 ..
w=0 ...
.......
@
@
- 20 M W
Figura 3.36: Sistema de 3 barras después de finalizar la fase I.
Fase II:
Simulando la salida de cada uno de los circuitos adicionados en la Fase I, se puede verificar
que la retirada del circuito 2 − 3 no produce corte de carga, por lo tanto, una vez retirado
el circuito 2 − 3, se tiene la configuración final mostrada en la figura 3.37 con las siguientes
adiciones:
Posteriormente se verificará que la configuración obtenida después de la fase II es la config-

uración óptima.
95
1 2
60 MW - - 60
u-
g1
@
θ1 = 0, 899@ θ2 = 0, 00
R 20
@@@
@
@ 3
w=0 @
@
- 20 M W
θ3 = 0, 499
Figura 3.37: Sistema de 3 barras después de finalizar la fase II
Se debe observar que el ejemplo es prácticamente el mismo ejemplo 3.6 y la diferencia de

adiciones ocurren porque se utilizó otro indicador de sensibilidad, esto es, en el ejemplo 3.7 se
usó SLmc mcc
ij de (3.14) y en el ejemplo 3.6 se usó SLij de (3.15).
Ejemplo 3.8: Sistema de 3 barras con tres circuitos en la base.
barras con tres circuitos en la configuración base, mostrado en la figura 3.38. En este ejemplo
se usa el indicador de sensibilidad mostrado en la ecuación (3.14). Se utiliza el modelo DC
modificado que usa los denominados generadores artificiales. Ası́, el modelo matemático asume
la siguiente forma:
min w = r2 + r3 (3.18)
s.a.
5 1 1 1 1
−( + n12 + n13 )θ1 + (1 + n12 )θ2 + (1 + n13 )θ3 + g1 = 0
6 3 2 3 2
1 5 1 1 1
(1 + n12 )θ1 − ( + n12 + n23 )θ2 + (1 + n23 )θ3 + r2 = 0, 60
3 6 3 2 2
1 1 1 1
(1 + n13 )θ1 + (1 + n23 )θ2 − (1 + n13 + n23 )θ3 + r3 = 0, 20
2 2 2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
96
1 f12 - 2
- 60
u-
g1 t r2
@
θ1 θ2
R f13 f23
@
@@@
@
@ 3
@
@
r3 t- - 20 M W
θ3
Figura 3.38: Sistema inicial de de 3 barras.
ciones:
Fase I:
Paso 1:
La configuración base es obtenida del sistema (3.18) con n12 = n13 = n23 = 0.
Paso 2:
solución y los indicadores de sensibilidad que se muestran en la figura 3.39. Existe corte de
carga en la barra 2.
Paso 3:
n12 = 1 y n13 = n23 = 0.
Paso 2:
Después de usar un algoritmo de PL para resolver el problema (3.18), se obtiene la solución
sin corte de carga mostrada en la figura 3.40 y, por lo tanto, termina la fase I con la adición:
Fase II:
Obviamente no se puede retirar el único circuito adicionado en la fase I. En consecuencia,
97
1 2
35 MW - - 60
u-
g1 ....... t r2 = 8, 75
...
..
@
R 36,25 16,25 ....
@ @
@@ Circuito SI
... 1-2 0,35
..
@
w = 8, 75
@ 3 ... 1-3 0,18
@
...
@ .
..... 2-3 0,08
r3 = 0 t- - 20 M W
1 50,9 MW - 2
- 60
u-
g1 ......
...
.
.. θ2 = 0, 00
@
θ1 = 0, 7636@ @
@@R 29,1 9,1 ....
.
@ ...
.
@ 3 ..
w=0 ...
.......
@
@
- 20 M W
θ3 = 0, 1818
Figura 3.40: Sistema de 3 barras después de finalizar la fase I.
permanece la configuración obtenida después de la fase I. Posteriormente se verificará que la

configuración obtenida no es la configuración óptima. Se debe observar que este algoritmo no
encuentra la configuración óptima aunque use el otro indicador de sensibilidad. Los sistemas
eléctricos enmallados o altamente enmallados son los que presentan mayor dificuldad a todos
los algoritmos de planeamiento de sistemas de transmisión en el propósito de encontrar la
configuración óptima.
98
3.3 Heurı́sticas Constructivas que Usan Modelos Mixtos
Existen diferentes investigaciones que utilizan un modelamiento matemático mixto [49, 50, 83],
esto es, el modelo matemático que se resuelve en cada paso del algoritmo heurı́stico construtivo
presenta caracterı́sticas significativamente diferentes de las presentadas en el capı́tulo 2. De
otro lado, la solución encontrada satisface las exigencias del modelo DC, por lo tanto, se puede
afirmar que el modelo usado en estos métodos corresponde al modelo DC con la utilización de
algunas modificaciones que substituyen a los indicadores de sensibilidad de los otros algoritmos
heurı́sticos. Ası́, se presentan los algoritmos heurı́sticos construtivos desarrollados en [50] y
[83].
3.3.1 El Algoritmo de Villasana-Garver
En la propuesta de Villasana-Garver [83] se utiliza un modelamiento matemático que representa

dos redes eléctricas superpuestas, una red eléctrica que corresponde a los circuitos existentes
en la llamada configuración actual y una red artificial o fictı́cia existente en todos los caminos
en donde pueden ser adicionados circuitos. La idea fundamental del algoritmo consiste en
que el sistema eléctrico debe resolver el problema de operación, usando solamente los circuitos
existentes en la configuración actual y usar los circuitos artificiales solamente en el caso en
que los circuitos existentes sean insuficientes para resolver el problema de operación. En este
contexto, el modelamiento matemático propuesto por Villasana-Garver es muy parecido a uno
de los modelos hı́bridos presentados en el capı́tulo 2, sin embargo es importante observar que
la propuesta de Villasana-Garver se utiliza para implementar un solo paso de un algoritmo
heurı́stico construtivo.
En el modelamiento presentado en [83], los circuitos de la red existente deben satisfacer las
dos leyes de Kirchhoff y los lı́mites de flujos en los circuitos, mientras que los circuitos de la red
artificial deben satisfacer solamente la primera ley de Kirchhoff. En otras palabras, en cada
barra del sistema eléctrico se debe satisfacer la primera ley de Kirchhoff, sin embargo la segunda
ley de Kirchhoff debe ser satisfecha solamente en los lazos formados exclusivamente por circuitos
existentes en la configuración actual y considerando solamente estos circuitos existentes en la
denominada configuración actual. Esta formulación también puede ser denominada hı́brida
porque la red formada por los circuitos existentes presenta la estructura del modelo DC y la
red artificial presenta la estructura del modelo de transportes. De otro lado, los dos modelos no
están separados porque ambas redes superpuestas deben resolver, en conjunto, los problemas
de operación.
En cada paso del algoritmo presentado en [83], se debe resolver el siguiente problema:
99
X
min v1 = cij nij (3.19)
s.a.
S f + B1 θ1 + g = 0
|θi − θj | ≤ φij ∀ (i, j) ∈ Ω1
|fij | ≤ f ij nij ∀ (i, j) ∈ Ω
0 ≤ g1 ≤ g
nij ≥ 0
fij irrestricto
θj , irrestricto
en donde S es la matriz de incidencia de ramas de la red artificial, esto es, S es la matriz de

incidencia de ramas del sistema completo, f = {fij } es el flujo de potencia a través del circuito
artificial en el camino i − j, B1 es la matriz de susceptancias de los circuitos existentes en la
configuración actual, θ1 es el vector de ángulos de tensión de las barras que están conectadas al
sistema eléctrico a través de circuitos en la configuración actual y nij es el número de circuitos
artificiales que deben ser adicionados para que el sistema “opere adecuadamente”.
La formulación (3.19) está presentada de una forma diferente de la presentada en [83] sin
embargo es conceptualmente equivalente. Se debe observar que (3.19) es un problema de progra-
mación lineal (PL). Es evidente la diferencia entre (3.19) y la formulación del modelos hı́bridos
presentados en el capı́tulo 2. Los modelos hı́bridos presentados en el capı́tulo 2 deben ser
preservados en el proceso de optimización, esto es, se debe encontrar la solución óptima global
del modelo hı́brido. Por otro lado, la formulación (3.19) es simplemente la forma matemática de
un paso del algoritmo heurı́stico presentado en [83]. Es necesario verificar las diferencias entre
ambos modelos; ası́, por ejemplo, en (3.19) nij es el número de circuitos artificiales mientras
que en el modelo hı́brido, nij es el número de circuitos que deben ser adicionados al sistema en
el camino i − j; también en (3.19) B1 θ1 es un conjunto de relaciones algebraicas lineales pues
la matriz B1 tiene como elementos parámetros conocidos mientras que, por ejemplo, en uno de
los modelos hı́bridos presentados en el capı́tulo 2, la relación B1 θ1 es un conjunto de relaciones
algebraicas no lineales relacionando variables γijeq (ou nij ) y θj .
La formulación (3.19), que es un PL, es usada en [83] para verificar si el sistema en la
configuración actual está en condiciones adecuadas de operación. Si la configuración actual no
puede operar adecuadamente entonces deben aparecer flujos de potencia a través de los circuitos
fictı́cios. En ese caso, en [83] se sugiere adicionar un circuito en aquel camino identificado por el
circuito artificial que transporta mayor flujo de potencia y, después actualizar la configuración
actual con la adición de este circuito. El proceso iterativo termina cuando v1 = 0 en la solución
de (3.19) lo que indica que los circuitos ya adicionados permiten operar el sistema eléctrico
adecuadamente. En consecuencia, en cada paso del algoritmo presentado en [83] se resuelve
el problema (3.19) y en cada paso ese sistema cambia apenas la estructura de la matriz B1 ,
incorporando el efecto del último circuito adicionado al sistema, y también toda vez que es
adicionado por primera vez un circuito que corresponde a un nuevo camino, se debe adicionar
100
la correspondiente restricción |θi − θj | ≤ φij y Ω1 representa el conjunto de todos los caminos
en que existen circuitos en la configuración actual.
La justificación usada para seleccionar el circuito que debe ser adicionado al sistema es
empı́rica y, básicamente, sigue los mismos critérios que justifican el critério de adición usado
en el algoritmo de Garver para el modelo de transportes. En consecuencia, no existe una
justificación matemática rigurosa, sin embargo una observación experimental muestra que la red
fictı́cia identifica los caminos más atractivos. Obviamente, los problemas de red no conexa son
resueltos por la red fictı́cia. En el final del proceso, cuando las adiciones realizadas permiten la
operación adecuada del sistema, la red fictı́cia es eliminada y la configuración final del problema
está constituı́da por los circuitos existentes en la configuración base y las adiciones de circuitos
realizados en el proceso iterativo. Esta configuración final es una solución que es factible para
el modelo DC, sin embargo no necesariamente es la solución óptima porque ha sido obtenida
usando un algoritmo heurı́stico construtivo.
El algoritmo de Villasana-Garver puede ser resumido en los siguientes pasos:
Fase I:
1. Asumir la configuración base, sin ninguna adición, como configuración actual y construir
el problema (3.19) para esa configuración.
2. Resolver el PL correspondiente al problema (3.19) para la configuración actual. Si la
solución del PL no presenta inversión, esto es, si todos los nij = 0 entonces pare, pues
se ha encontrado una buena configuración factible para el modelo DC. En caso contrario
calcular la inversión actual, que es la suma del costo de los circuitos adicionados más la
inversión entregada por el PL e ir al paso 3.
3. Adicionar en la configuración actual un circuito en aquel camino fictı́cio que conduce el
mayor flujo de potencia, entre todos los caminos fictı́cios, para obtener la nueva config-
uración actual. Construir el problema (3.19) para la configuración actual, actualizar la
inversión correspondiente a los circuitos adicionados y regresar al paso 2.
Fase II:
a otras adiciones más importantes realizadas posteriormente. Ordenar los circuitos adi-
cionados en orden decreciente de sus costos y eliminar aquellos que, una vez simulada su
Ejemplo 3.9: Sistema de 3 barras con tres circuitos en la base
Se utiliza el algoritmo de Garver-Villasana para realizar el planeamiento del sistema de 3 barras

y 3 circuitos en la configuración base usado en el ejemplo 3.8 y cuya configuración inicial se
muestra en la figura 3.41.
101
1 f12 - 2
u-.................................................................
- 60
g1 ......@
.. .......
.@
. ...
θ1 .. .. θ2
.. ..
.. .
..
@
..
@
.@
. ...
@ ... 3 ..
f13 @ R @ .. ... f23
.. .
@ ...... .......
- 20 M W
θ3
Figura 3.41: Sistema inicial de 3 barras
El algoritmo de Garver-Villasana resuelve el problema a través de las siguientes iteraciones:

Fase I:
Paso 1:
El proceso es iniciado sin inversión, v2 = 0, apenas con la configuración base. En la configu-
ración base existen 3 circuitos, ası́ el modelo matemático de esa configuración obtenida usando
(3.19) es la siguiente:
min v1 = 3n12 + 2n13 + 2n23 (3.20)

s.a.
5 1 1
−f12 − f13 − θ1 + θ2 + θ3 + g1 = 0
6 3 2
1 5 1
f12 − f23 + θ1 − θ2 + θ3 = 0, 60
3 6 2
1 1
f13 + f23 + θ1 + θ2 − θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
102
θ1 , θ2 e θ3 irrestrictos
Paso 2:
Resolver el problema (3.20) usando un algoritmo de PL. La distribución de flujos se muestra
en la figura 3.42 y la solución encontrada es la siguiente:
n12 = 0, 251 con inversión v1 = 0, 753
1 f12 = 8, 785 - 2
u-................................................................. - 60
g 35 -
1 @
@
R 36,25
@@@ 16,25
@
@
v1 = 0, 753 @ 3
n = 0, 251
12
@
- 20 M W
Ası́ la inversión actual es v = v1 + v2 = 0, 753 + 0 = 0, 753.

Paso 3:
De la figura 3.42, se puede verificar que el camino 1 − 2 es el más atractivo. En realidad, es
el único camino usado por los circuitos fictı́cios que satisfacen la primera ley de Kirchhoff. Ası́,
se adiciona un circuito en el camino 1 − 2 teniendo una inversión parcial por las adiciones de
v2 = 3. Con la adición de un circuito en 1 − 2 el modelo matemático presenta poca diferencia
en relación a (3.20) y asume la siguiente forma:
min v1 = 3n12 + 2n13 + 2n23 (3.21)

s.a.
7 2 1
−f12 − f13 − θ1 + θ2 + θ3 + g1 = 0
6 3 2
2 7 1
f12 − f23 + θ1 − θ2 + θ3 = 0, 60
3 6 2
1 1
f13 + f23 + θ1 + θ2 − θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
103
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
Paso 2:
en la figura 3.43 y la solución encontrada muestra que no es necesario realizar refuerzos en el
sistema pues:
n12 = n13 = n23 = 0 con inversión v1 = 0, 0
En consecuencia, la configuración final después de la fase I, mostrada en la figura 3.43,

presenta un inversión de v = 3 con la adición n12 = 1.
1 2
u-................................................................. - 60
50,90 -
g1 @
@
R 29,10
@@@ 9,10
@
@
3
v=3 @
n12 = 1 @
- 20 M W
Fase II:
La fase II, obviamente, no permite retirar el único circuito adicionado. Posteriormente se

verifica que esta solución no es la configuración óptima.
Ejemplo 3.10: Sistema de 3 barras con un circuito en la base.

y un circuito en la configuración base, usado en el ejemplo 3.2, y cuya configuración inicial se
muestra en la figura 3.44.
104
1 f12 - 2
u-.................................................................
- 60
g1 ......@
.. .......
.@
. ...
θ1 .. .. θ2
.. ..
.. .
..
@
..
@
.@
. ...
@ ... 3 ..
f13 @ R @ .. ... f23
.. .
@ ...... .......
- 20 M W
θ3

Fase I:
Paso 1:
El proceso inicia sin inversión, v2 = 0, solo se considera la configuración base. En la
configuración base existe un circuito, ası́ el modelamiento matemático de esa configuración
obtenida usando (3.19) es la siguiente:
min v1 = 3n12 + 2n13 + 2n23 (3.22)

s.a.
1 1
−f12 − f13 − θ1 + θ3 + g1 = 0
2 2
f12 − f23 = 0, 60
1
f13 + f23 + θ1 − θ3 = 0, 20
2
|θ1 − θ3 | ≤ 0, 80
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
θ1 , e θ3 irrestrictos
105
Paso 2:
n12 = 1, 14286, n23 = 0, 50 con inversión v1 = 4, 42857
1 f12 = 40 2
u-.................................................................
- - 60
g1 .......
@
...
@ ..
R 40
@@@ f23 = 20 ....
..
..
@
v1 = 4, 42857 @
3 ..
..
n12 = 1, 14286 ..
@
@
.......
n23 = 0, 50 - 20 M W

Paso 3:
De la figura 3.45, se puede verificar que el camino 1 − 2 es el más atractivo. Ası́, se adiciona
un circuito en el camino 1 − 2, teniendo una inversión parcial por las adiciones de v2 = 3. Con
la adición de un circuito en 1 − 2 el modelamiento matemático presenta pocas diferencias en
relación a la (3.22) y asume la siguiente forma:
106
min v1 = 3n12 + 2n13 + 2n23 (3.23)
s.a.
5 1 1
−f12 − f13 − θ1 + θ2 + θ3 + g1 = 0
6 3 2
1 1
f12 − f23 + θ1 − θ2 = 0, 60
3 3
1 1
f13 + f23 + θ1 − θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
Paso 2:
1 f12 = 5 2
u- .................................................................
- - 60
g1 35 -
......
..
..
@
@ ..
@@@ R 40 f23 = 20 ....
..
..
@
v1 = 1, 42857 @
3 ..
n12 = 0, 14286 @ ...
.
n23 = 0, 50
@
.......
- 20 M W
Figura 3.46: Sistema de 3 barras después de una adición
107
Paso 3:
la adición de un circuito en 2 − 3 el modelo matemático presenta pocas diferencias en relación
a (3.23) y asume la siguiente forma:
min v1 = 3n12 + 2n13 + 2n23 (3.24)

s.a.
5 1 1
−f12 − f13 − θ1 + θ2 + θ3 + g1 = 0
6 3 2
1 5 1
f12 − f23 + θ1 − θ2 + θ3 = 0, 60
3 6 2
1 1
f13 + f23 + θ1 + θ2 − θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
Paso 2:
n12 = 0, 251, con inversión v1 = 0, 7530

Paso 3:
De la figura 3.47, se puede verificar que el camino 1 − 2 es el único camino atractivo. Ası́,
se adiciona un circuito en el camino 1 − 2, teniendo una inversión parcial por las adiciones de
v2 = 8. Con la adición de un circuito en 1 − 2 el modelamiento matemático presenta pocas
diferencias en relación a (3.24) y asume la siguiente forma:
108
1 f12 = 8, 785 - 2
u-.................................................................
- 60
g 35 -
1 @
@
R 36,25
@@@ 16,25
@
@
v1 = 0, 753 @ 3
n = 0, 251
12
@
- 20 M W
Figura 3.47: Sistema de 3 barras después de dos adiciones
min v1 = 3n12 + 2n13 + 2n23 (3.25)

s.a.
7 2 1
−f12 − f13 − θ1 + θ2 + θ3 + g1 = 0
6 3 2
2 7 1
f12 − f23 + θ1 − θ2 + θ3 = 0, 60
3 6 2
1 1
f13 + f23 + θ1 + θ2 − θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
Cuarta iteración:
Paso 2:
en la figura 3.48 y, se puede verificar que no existe necesidad de nuevas adiciones porque
n12 = n13 = n23 = 0 y v1 = 0. En consecuencia, termina la fase I con la siguiente propuesta de
inversión:
n12 = 2, e n23 = 1 con inversión v = 8
109
1 2
- 60
u-
50,90 -
g1 @
@
R 29,10
@@@ 9,10
@
v=8 @
n12 = 2 @ 3
n23 = 1 @
- 20 M W
Figura 3.48: Configuración después de la fase I del sistema de 3 barras.
Fase II:
Después de simular la retirada de cada un de los circuitos adicionados, se puede verificar

que es posible retirar el circuito 2 − 3 sin comprometer la operación adecuada del sistema. Ası́,
después de la retirada del circuito 2 − 3, se tiene la configuración mostrada en la figura 3.49
con la siguiente propuesta de inversión:
n12 = 2, con inversión v = 6
Ası́, el algoritmo encuentra la configuración óptima del problema pero solamente después
de la implementación de la fase II.
1 2
- 60
u-
g1 60 -
@
@
R 20
@@@
@
v∗ = 6 @
n12 = 2 @ 3
@
- 20 M W
Figura 3.49: Configuración óptima del sistema de 3 barras.
Ejemplo 3.11: Sistema de 3 barras aislado

aislado, esto es, sin ningún circuito en la configuración base. El sistema se muestra en la figura
110
3.50 y los datos ya son conocidos.
1 f12 - 2
u-.................................................................
- 60
g1 ....... .......
.. ..
.. .
.. ..
.. ...
.. ..
.. ..
.
@ ... ..
R . 3 ..
f13 @ .. ... f23
....... .......
- 20 M W

Fase I:
Paso 1:
El proceso es iniciado sin inversión, v2 = 0, sin circuitos en la configuración base y solamente
con circuitos artificiales. Ası́ el modelo matemático obtenido usando (3.19) es el siguiente:
min v1 = 3n12 + 2n13 + 2n23 (3.26)

s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0, 20
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
Paso 2:
111
1 f12 = 60 2
u-.................................................................
- - 60
g1 .......
..
..
.. @ f13 = 20
.. @
..R
..
v1 = 6, 14286 ..
.. 3
n12 = 1, 71429 ..
..
n13 = 0, 50 ......
- 20 M W

Paso 3:
un circuito en el camino 1 − 2 teniendo una inversión parcial por las adiciones de v2 = 3. Con
a (3.26), aparecen las variables θ1 y θ2 , asumiendo la siguiente forma:
min v1 = 3n12 + 2n13 + 2n23 (3.27)

s.a.
1 1
−f12 − f13 − θ1 + θ2 + g1 = 0
3 3
1 1
f12 − f23 + θ1 − θ2 = 0, 60
3 3
f13 + f23 = 0, 20
|θ1 − θ2 | ≤ 1, 05
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
112
Paso 2:
1 f12 = 25 2
u- .................................................................
- - 60
g1 ........ 35 -
..
.. f = 20
.. @@
.. R 13
..
..
v1 = 3, 14286 .. 3
..
n12 = 0, 71429 ..
.......
n13 = 0, 50 - 20 M W
Ası́, la inversión actual es v = v1 + v2 = 3, 14286 + 3 = 6, 14286.

Paso 3:
a (3.27) asumiendo la siguiente forma:
min v1 = 3n12 + 2n13 + 2n23 (3.28)

s.a.
2 2
−f12 − f13 − θ1 + θ2 + g1 = 0
3 3
2 2
f12 − f23 + θ1 − θ2 = 0, 60
3 3
f13 + f23 = 0, 20
|θ1 − θ2 | ≤ 1, 05
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
113
n12 , n13 , e n23 ≥ 0
Paso 2:
n13 = 0, 50 con inversión v1 = 1
1 2
- 60
u-
g1 ....... 60 -
..
..
.. @ f13 = 20
.. @
..R
..
v1 = 1, 0 ..
.. 3
n13 = 0, 50 ..
..
......
- 20 M W
Ası́, la inversión actual es v = v1 + v2 = 1, 0 + 6 = 7, 0.

Paso 3:
De la figura 3.52, se puede verificar que el camino 1−3 es el único atractivo. Ası́, se adiciona
a (3.28), aparece la varı́able θ3 , asumiendo la siguiente forma:
min v1 = 3n12 + 2n13 + 2n23 (3.29)

s.a.
7 2 1
−f12 − f13 − θ1 + θ2 + θ3 + g1 = 0
6 3 2
2 2
f12 − f23 + θ1 − θ2 = 0, 60
3 3
1 1
f13 + f23 + θ1 − θ3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
114
|θ1 − θ3 | ≤ 0, 80
|f12 | ≤ 0, 35 n12
|f13 | ≤ 0, 40 n13
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 80
n12 , n13 , e n23 ≥ 0
Cuarta iteración:
Paso 2:
en la figura 3.54 donde no existe la necesidad de usar circuitos fictı́cios porque n12 = n13 =
n23 = 0 y v1 = 0. En consecuencia, termina la fase I con la siguiente propuesta de inversión:
n12 = 2, e n13 = 1 con inversión v = 8
1 2
- 60
u-
g1 60 -
@
@
@@@
R
20
@
v∗ = 8 @
3
n12 = 2 @
@
n13 = 1 - 20 M W
Fase II:
Después de simular la retirada de cada un de los circuitos adicionados, se puede verificar

que no es posible retirar ningún circuito adicionado en la fase I sin comprometer la operación
adecuada del sistema. Posteriormente se verificará que la configuración encontrada por el
algoritmo de Garver-Villasana, para este problema, corresponde a la configuración óptima.
Ejemplo 3.12: Sistema de 6 barras de Garver
En [83] se usa el sistema de 6 barras, usado inicialmente por Garver en [22], en el caso en donde
no existe redespacho de la generación para mostrar el desempeño del algoritmo de Villasana-
115
Garver. Los datos de este sistema aparecen en el apéndice y, se puede considerar como can-
didatos a adición todos los caminos posibles entre dos barras del sistema. Usando el algoritmo
de Villasana-Garver, es posible encontrar la secuencia de adiciones presentadas en las figuras
3.55 la 3.62. Estos resultados, con pequeñas diferencias porque la solución de algunos PL’s
presentan soluciones alternativas, se presentan en [83].
Un problema observado en la implementación del algoritmo de Garver-Villasana, al probar
sistemas reales, es que en determinados casos el sistema (3.19) puede presentar una distribución
de flujos atı́pica en determinados caminos. Ası́, por ejemplo, en un determinado camino el flujo a
través de un circuito existente puede ser en un determinado sentido y en el circuito fictı́cio puede
aparecer en el sentido contrario. Este hecho puede acontecer porque el modelo matemático no
elimina esta posibilidad y el surgimiento de este fenómeno depende de la topologı́a del sistema
eléctrico. Otro problema aparece en las fases finales del proceso, cuando aparecen valores de
nij pequeños en la solución del PL. En estos casos, de acuerdo con la heurı́stica, se pueden o
no adicionar circuitos enteros en caminos identificados con valores de nij muy pequeños.
116
g1 = 50 g1 = 50
240 r 80 240 r 80
... 65 78,76 ?6 1 ... 65 78,76 ?6 1
61,24....... 61,24.......
..
... ..
...
... ...
g3 = 165 .... g3 = 165 ....
r ..... 100 r ..... 100
. .
?... 3 28,74 ?... 3 28,74
?40 ?40
HH 36,24 HH 36,24
H H
H
Y
H
H Y
H
H
H
HH HH
H 240 80 6
H 240 80 6
v1 = 175, 75 .
.
..
62
v1 = 145, 75 .
.
..
62
.... v2 = 30 ....
....... @
....... @
.. ..
.... @91,27 .... @91,27
@ @
.... 213,73 .... 213,73
.... ....
.... ....
@@ I
@ @@ I
@
.... @
.... @
... ...
... ...
@ @
... ... ...................................................................
- 331,27 @ ... ... ...................................................................
- 231,27 @
.... ... .... ...
@ @
... ...
6 4 6 - 100 4
rg6 = 545
6 160 ? r6g6 = 545 160 ?
Figura 3.55: Sistema inicial de 6 barras. Figura 3.56: Sistema de 6 barras después de una adición.
g1 = 50 g1 = 50
240 r 80 240 r 80
... 65 78,76 ?6 1 ... 65 56,28 ?6 1
61,24....... 83,72.......
.. ..
....... .......
g3 = 165 ... g3 = 165 ...
r ..... 100 r ..... 100
. .
?... 3 28,74 ?... 3 51,23
?40 ?40
H 36,24 H 58,72
HH HH
H
Y
H
H Y
H
H
H
HH HH
H 240 80 6
H 240 35,05 6
v1 = 115, 75 ... 62
v1 = 91, 32 ... 62
... ...
v2 = 60 ... v2 = 90 ...
....... @
....... @
.... ....
@91,27 @1,35
@ @
...
. 213,73 ...
. 100
... ...
.... 248,60 ....
@@
I @@
I
.... @
.... @
.... @
.... @
.... @
.... @
.... 200 ... 196,40
....
-
..... .................................................................
@ @ - @
@
. . 6 . .. ...
- 131,27 4 6 4
rg6 = 545
6 160 ? r6g6 = 545 160 ?
Figura 3.57: Sistema después de dos adiciones. Figura 3.58: Sistema después de tres adiciones.
117
g1 = 50 g1 = 50
240 r 80 240 r 80
... 65 56,28 ?6 1 ... 65 56,28 ?6 1
83,72....... 83,72.......
..
... ..
...
... ...
g3 = 165 .... g3 = 165 ....
r ..... 100 r ..... 100
. .
?... 3 51,23 ?... 3 51,23
?40 ?40
HH 58,72 HH 58,72
H H
H
Y
H
H Y
H
H
H
HH HH
H 240 35,05 6
H 240 35,05 6
v1 = 61, 32 .
.
...
62
v1 = 31, 32 .
.
...
62
v2 = 120 ... v2 = 150 ...
....... @
....... @
.. ..
.... @1,35 .... @1,35
@ @
.... ....
.... 200 .... 300
148,60 .... 48,60 ....
@@
I
@ @@
I
@
.... @
.... @
... ...
... ...
@ @
... ... - 196,40 @ ... ... - 196,40 @
... @
....
@
. 6 4 6 4
rg6 = 545
6 160 ? r6g6 = 545 160 ?
Figura 3.59: Sistema después de cuatro adiciones. Figura 3.60: Sistema después de cinco adiciones.
g1 = 50 g1 = 50
240 r 80 240 r 80
65 54,13 ?6 1 65 53,00 ?6 1
g3 = 165 g3 = 165
r 185,87 r 187,00
? 3 49,85 ? 3 51,27
40
? 40
?
HH
60,87
HH
HH
62,00
HH
Y
H
H Y
H
H
HH HH
H 240 34,28 6
H 240 31,73 6
v1 = 14, 74 ... 62
v ∗ = 200
62
...
v2 = 170 ...
....... @ @
....
@1,55 @3,63
@ @
...
. 300
... 356,90
48,60 ....
@@
I @@
.... @ R
@
.... @ @
.... @ @
... 195,83 - 188,10
..... - @
@ @
@
.. 6 4 6 4
rg6 = 545
6 160 ? r6
g6 = 545 160 ?
Figura 3.61: Sistema después de seis adiciones. Figura 3.62: Solución final del sistema de 6 barras.
118
3.3.2 Algoritmo de Red Marginal de Levi-Calovic
El algoritmo de red marginal fué presentado en [50]. Este algoritmo es muy similar al algoritmo
de Garver-Villasana pero presenta algunas caracterı́sticas adicionales interesantes. En lugar
de usar dos redes superpuestas como en [83], en [50] se resuelven los modelos matemáticos
correspondientes a dos redes diferentes, en cada paso del algoritmo heurı́stico construtivo. El
primer modelo matemático corresponde al modelo DC para la denominada configuración actual,
esto es, se verifica si el sistema opera adecuadamente para la configuración actual. En el caso
que el sistema no opere adecuadamente para la configuración actual, se procede a construir
la denominada red marginal, usando los resultados obtenidos al resolver el primer modelo
matemático.
El algoritmo presentado en [50] resuelve primero el siguiente problema de programación
lineal (PL):
X
min w = ri (3.30)
s.a.
B1 θ1 + g + r = d
|θi − θj | ≤ φij ∀ (i, j) ∈ Ω1
0≤g≤g
0≤r≤d
θj , irrestricto
en donde B1 es la matriz de susceptancias de los circuitos existentes en la configuración actual y

θ1 es el vector de los ángulos de las barras conectadas al sistema eléctrico a través de los circuitos
existentes en la configuración actual, esto es, no existen ángulos para las barras conectadas a
la configuración actual.
Si durante el proceso iterativo la solución de (3.30) no presenta corte de carga, esto es,
w = 0, significa que las adiciones ya realizadas permiten que el sistema opere adecuadamente y
se ha encontrado una solución factible para el problema de planeamiento de sistemas de trans-
misión. Por otro lado, si la solución de (3.30) presenta corte de carga, entonces la configuración
actual aún no permite una operación adecuada del sistema y, se debe adicionar el circuito más
atractivo para obtener la nueva configuración actual. El circuito más atractivo se determina
resolviendo el problema de la red marginal.
El modelo de la red marginal es obtenido a partir de la denominada red marginal, que es
construida a partir de la solución del problema (3.30), considerando los siguientes aspectos:
• Las generaciones en la red marginal son formadas por las generaciones residuales obtenidas
en la solución de (3.30). Por ejemplo, si en la solución de (3.30) una barra de generación
está generando un valor de g = 400M W y su capacidad máxima de generación es de
g = 450 entonces en la red marginal, en esta barra de generación, debe aparecer un
119
generador con una capacidad máxima de generación de g m = 450 − 400 = 50M W , esto
es, con la capacidad de generación no usada o residual.
• Las demandas o cargas en la red marginal son formadas por los cortes de carga presentados
en la solución de (3.30). Ası́, por ejemplo, se una barra de carga presenta un corte de
carga de rm = 20M W entonces, en la red marginal, la demanda en esta barra es de dm =
rm = 20M W . Ası́, en la red marginal, las demandas y generaciones están constituı́das por
la parte de demanda no entregada y por la parte de capacidad de generación no generada
por insuficiencia de circuitos eléctricos en la configuración existente.
• Los circuitos en la red marginal son obtenidos de una forma un poco más compleja, y se
definen varios tipos de circuitos:
1. Circuitos saturados:
Se en la solución del problema (3.30) los circuitos existentes en el camino i − j se
encuentran en el lı́mite entonces, en ese camino, el circuito correspondiente en la red
marginal debe presentar un costo cij , esto es, equivalente a un circuito normal del
sistema eléctrico. Ası́, por ejemplo, se en la solución de (3.30) el camino i−j presenta
fij = f ij = 100 entonces, en la red marginal cualquier adición en este camino debe
ser considerada con su costo correspondiente a cij . En otras palabras, en este caso,
no existe capacidad residual en el camino que sea aprovechable porque los circuitos
están trabajando en el lı́mite.
2. Circuitos no saturados:
Si en la solución del problema (3.30) los circuitos existentes en el camino i − j están
trabajando por debajo de sus lı́mites entonces, en este camino, el circuito corres-
pondiente en la red marginal debe presentar un costo igual a cero por la capacidad
residual existente y un costo de cij por encima de esta capacidad residual. Ası́, por
ejemplo, si en la solución de (3.30) el camino i − j tiene la capacidad f ij = 100
y presenta un flujo de fij = 70 en el sentido i − j entonces en la red marginal
cualquier adición en este camino debe presentar costo cero hasta atender un flujo de
fij = 100 − 70 = 30 en el sentido i − j y todo flujo por encima de este valor debe ser
considerado con su correspondiente valor de cij . Adicional a lo anterior, en el mismo
ejemplo, cualquier adición en este camino debe presentar costo cero para flujo de
potencia en el sentido j − i hasta atender el valor de fij = 100 + 70 = 170 y por
encima de este valor debe ser considerado un costo de cij para el circuito adicionado,
relativo al excesso de flujo de potencia. En otras palabras, la varı́able de inversión
nij , que determina el número de circuitos adicionados, debe tener costo cero hasta
atender un valor especificado nij y por encima de este valor debe tener un costo cij .
Ası́, la red marginal aprovecha la capacidad disponible de los circuitos existentes
con costo cero, lo que es muy lógico, y utiliza los circuitos que implican inversión
solamente cuando no es posible usar las capacidades residuales existentes.
En [50] es definido adicionalmente el denominado circuito cuasi-saturado, sin embargo

este puede ser eliminado por ser poco relevante.
120
Con las observaciones anteriores la red marginal produce un modelo matemático que asume
la siguiente forma:
X
s.a.
S f + gm = dm
|fij | ≤ f ij nij
0 ≤ gm ≤ g m
nij ≥ 0
fij , irrestricto
en donde gm y dm son el vector de demanda y generación residual o marginal respectivamente,

y el costo cij es lineal por partes y asume la forma mostrada en la figura 3.63.
cij 6
.............................................................
...
...
...
....
...
...
....
...
....
...
...
.. -
0
nij nij
Figura 3.63: Función de costo en la red marginal.
0
En la figura 3.63 el valor nij es el margen de circuito disponible sin costo en la red marginal.
0
Ası́, nij puede ser obtenido a través de la siguiente relación :
0
0 f
nij = 1 − ij (3.32)
f ij
0
en donde fij es el flujo de potencia a través de los circuitos en el camino i − j en la solución de
(3.30) y f ij es el flujo máximo de potencia a través de los circuitos en el camino i − j. Ası́, los
0
valores de nij son obtenidos a partir de los resultados de la solución de (3.30).
121
El modelo de red marginal presentado en (3.31) es un poco diferente al presentado en [83].
La principal diferencia está en el modelamiento del circuito no saturado. Ası́, por ejemplo, si
en el camino i − j existe un circuito con capacidad de 100 MW y en la solución de (3.30) existe
un flujo de 70 MW en el sentido i − j, entonces en el modelo de red marginal presentado en
[50] no existe costo para flujo de potencia hasta 100 − 70 = 30M W en el sentido i − j y hasta
100 + 70 = 170 en el sentido de j − i. Por otro lado, en el modelo presentado en (3.31) no
existe costo (costo igual la cero) para flujos de potencia de hasta 30 MW en ambos sentidos.
Ası́ el modelo (3.31) aparentemente es más restricto. De otro lado, posteriormente se discutirá
que la caracterización de circuito no saturado es la principal limitación del modelo de red
marginal presentado en [50]. También en [50], el modelo de red marginal se resuelve usando un
algoritmo de flujo en redes. En los ejemplos presentados en este capı́tulo se utilizan algoritmos
de programación lineal para resolver los dos problemas del algoritmo de red marginal. En la
parte de la solución los dos se diferencian en el esfuerzo computacional.
Como el problema (3.31) presenta una función objetivo lineal por partes entonces este
problema puede ser resuelto por diferentes técnicas de programación lineal. La manera más
simple, presentada en la solución de los ejemplos, es realizando una transformación de variables.
Ası́, la varı́able nij es substituı́da por dos nuevas variables:
0 00 0 0 00
nij = nij + nij com 0 ≤ nij ≤ nij ; 0 ≤ nij (3.33)
La transformación anterior se realiza para cada circuito que no está saturado o no está en
0
su lı́mite porque, para los circuitos saturados, nij = 0 y la transformación no es necesaria. Con
las transformaciones anteriores el problema (3.31) se transforma en el siguiente problema de
programación lineal (PL):
X 00
s.a.
S f + gm = dm
0 00
|fij | ≤ f ij (nij + nij )
0 0
0 ≤ nij ≤ nij
0 ≤ gm ≤ g m
00
0 ≤ nij
fij , irrestricto
En el modelo de red marginal existe aún un asunto que debe ser analizado. En (3.31) se
consideran como parte de la red marginal todos los circuitos candidatos a ser adicionados. De
otro lado, en la solución del sistema (3.30) no participan los circuitos correspondientes a los
nuevos caminos, donde aún no se han realizado adiciones. Una manera simple de acondicionar
este problema es considerar todos los circuitos correspondientes a los nuevos caminos como
circuitos saturados y esa estratégia está implı́citamente incorporada en las formulaciones (3.31)
y (3.34). En [50] son incorporadas a la red marginal solamente una parte de los circuitos corre-
spondientes a los nuevos caminos donde aún no se han realizado adiciones. La idea fundamental
122
de esa implementación es reducir el tamaño del problema. En [50] se presentan tres estratégias
para identificar los circuitos correspondientes a los nuevos caminos que deben ser incorporados
en la red marginal, dos de ellas son las siguientes:
• Se σij = (θi − θj ) (πi − πj ) < 0 y (θi − θj ) > 0.
• Se (θi − θj ) > 0.
en donde los θj y los πj (multiplicadores de Lagrange de las restricciones de igualdad B1 θ1 +

g + r = d) son obtenidos de la solución de (3.30). En consecuencia, los nuevos caminos que
satisfacen una de las relaciones anteriores son considerados como circuitos candidatos en la red
marginal.
Esta idea de redución de circuitos, correspondientes a nuevos caminos en la red marginal,
puede ser fácilmente incorporada en (3.34) simplemente eliminando todos los circuitos de nuevos
caminos que no satisfacen el critério seleccionado.
En relación al algoritmo presentado en [50] es importante realizar dos observaciones funda-
mentales:
• En [50] se reconoce implı́citamente que el sistema (3.30) debe ser conexo. Ası́, en [50]
primero se resuelve este problema usando circuitos atractivos para volver el sistema
eléctrico conexo. En realidad, esta implementación no es necesaria y el sistema (3.30)
presenta solución para un sistema no conexo. La necesidad de red conexa sólo se requiere
para implementar la escogencia de circuitos de nuevos caminos que deben ser incorpora-
dos en la red marginal. En los ejemplos presentados se resuelven sistemas no conexos sin
ninguna dificuldad como puede ser verificado.
• Ası́ como en [83], en pruebas realizadas sobre sistemas reales pueden aparecer propuestas
de solución en aparente conflito. Ası́, por ejemplo, en la solución de (3.30), para un
determinado camino, puede aparecer un flujo de potencia en el sentido i → j y en este
mismo camino puede aparecer un flujo en el camino j → i en la solución del modelo
de red marginal usando (3.34). El modelamiento matemático permite y incentiva esta
posibilidad al permitir flujos con costo cero, para los circuitos no saturados, para los
flujos en ambos sentidos. En consecuencia de este conflito a veces aparecen propuestas de
adiciones inadecuadas. Como en cada paso del algoritmo se resuelven los sistemas (3.30) y
(3.34) para realizar un simple refuerzo, con la adición de un único circuito, aparentemente
no es adecuado considerar como buena alternativa un camino en el cual los flujos aparecen
en conflito en la solución de ambos sistemas. En consecuencia, por lo menos no se deberı́a
incentivar esta posibilidad. Este problema aparentemente no es fácil de resolver con la
metodologı́a presentada en [83], sin embargo en [50] existen diferentes formas simples de
eliminar este problema.
El algoritmo de red marginal puede ser resumido en los siguientes pasos:
123
Fase I:
1. Asumir la configuración base, sin ninguna adición, como configuración actual y montar
el sistema (3.30) para esa configuración, esto es, usar el modelo DC para la configuración
actual.
2. Solución del modelo DC para la configuración actual:

Resolver el PL correspondiente al problema (3.30) para la configuración actual. Si la
solución del PL no presenta corte de carga entonces finaliza la fase I, pues se ha encontrado
una buena configuración factible y, se debe pasar a la fase II. En caso contrario ir al paso
3.
3. construcción y solución de la red marginal:

Usando los resultados del paso anterior, identificar las demandas y generaciones residuales
ası́ como la capacidad de transmisión residual de los circuitos de la red existente. Construir
el modelo de red marginal del sistema (3.34) y resolver el PL resultante.
4. Refuerzo de la configuración actual:

Adicionar en la configuración actual un circuito en aquel camino de la red marginal
que transporta el mayor flujo de potencia para obtener la nueva configuración actual.
Atualizar la inversión correspondiente a los circuitos adicionados y regresar al paso 2.
Fase II:
cionados en orden decrescente de sus costos y eliminar aquellos que, una vez simulada su
Ejemplo 3.13: Sistema de 3 barras y 3 circuitos en la base
Se utiliza el algoritmo de red marginal para realizar el planeamiento del sistema de 3 barras
con tres circuitos en la configuración base. El sistema se muestra en la figura 3.64 y los datos
ya son conocidos.
124
1 f12 - 2
u-.................................................................
- 60
g1 ......@
.. ....... t r2
.@
. ...
θ1 .. .. θ2
.. ..
.. .
..
@
..
@
.@
. ...
@ ... 3 ..
f13 @ R @ .. ... f23
.. .
@ ...... .......
r3 t- - 20 M W
θ3
El algoritmo de red marginal resuelve el problema a través de las siguientes iteraciones:

Fase I:
Paso 1:
El proceso se inicia sin inversión, v = 0, solamente con los tres circuitos existentes en la
configuración base.
Paso 2: Solución del sistema eléctrico para la configuración actual.
El modelo matemático obtenido usando (3.30) para la configuración actual es el siguiente:
min w = r2 + r3 (3.35)
s.a.
5 1 1
− θ1 + θ2 + θ3 + g1 = 0
6 3 2
1 5 1
θ1 − θ2 + θ3 + r2 = 0, 60
3 6 2
1 1
θ1 + θ2 − θ3 + r3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
125
La solución del problema (3.35), obtenida usando un algoritmo de PL, presenta los resultados
mostrados en la figura 3.65 donde los principales valores de interés son los siguientes: w =
r2 = 8, 75, g1 = 71, 25 y el circuito 1 − 2 está en el lı́mite, esto es, sin capacidad residual de
transmisión.
1 2
35 MW - - 60
u-
g1 t r2 = 8, 75
@
@
R 36,25
@@@ 16,25
@
@
w = 8, 75 @ 3
@
- 20 M W
Paso 3: Construcción y solución de la red marginal.

Teniendo en cuenta la solución del paso anterior, se pueden obtener los parámetros de interés
0
de la red marginal: g 1 = 80 − 71, 215 = 8, 785, d2 = r2 = 8, 785 MW, n12 = 1 − (35/35) = 0,
0 0
n13 = 1 − (36, 25/40) = 0, 09375 e n23 = 1 − (16, 25/40) = 0, 59375. Con estos valores y usando
(3.34), el modelo matemático de la red marginal es el siguiente:
00 00 00
min v1 = 3n12 + 2n13 + 2n23 (3.36)
s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 8785
f13 + f23 = 0
00
|f12 | ≤ 0, 35 n12
0 00
|f13 | ≤ 0, 40 (n13 + n13 )
0 00
|f23 | ≤ 0, 40 (n23 + n23 )
0 ≤ g1 ≤ 0, 8785
0
0 ≤ n13 ≤ 0, 09375
0
0 ≤ n23 ≤ 0, 59375
00 00 00
n12 , n13 , e n23 ≥ 0
La distribución de flujos en la red marginal se muestra en la figura 3.66. La solución de

(3.36), obtenida usando un algoritmo de PL, es la siguiente:
126
0 0 00
n13 = 0, 09375, n23 = 0, 21963 e n13 = 0, 21963 con inversión v1 = 0, 25125
1 2
- 8,75
u-
g1 = 8, 75 ........ .......
.. ...
.. ..
.. @@ 8,75 ....
.. R 8,75
.. .
v = 0, 25125 .. ...
.. .
0 .. 3 ..
n13 = 0, 09375 .. ...
0 ....... .......
n23 = 0, 21963 -
00
n13 = 0, 12563
Figura 3.66: Primera red marginal.
Paso 4: Refuerzo de la configuración actual.

En la figura 3.66, existen dos circuitos con flujos de potencia exactamente iguales. De otro
00
lado, se selecciona el circuito 1 − 3 como refuerzo pues la varı́able n13 es la única varı́able de
la función objetivo con valor diferente de cero. Ası́, se adiciona un circuito en el camino 1 − 3
para obtener la nueva configuración actual.
min w = r2 + r3 (3.37)
s.a.
4 1
− θ1 + θ2 + θ3 + g1 = 0
3 3
1 5 1
θ1 − θ2 + θ3 + r2 = 0, 60
3 6 2
1 3
θ1 + θ2 − θ3 + r3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
127
mostrados en la figura 3.67 donde, se puede observar que el sistema no presenta corte de carga.
Ası́, finaliza la fase I con la siguiente propuesta de inversión:
n13 = 1, con inversión v = 2
1 33,33 MW - 2
- 60
u-
g1 @
@
@
R 46,67 26,67
@
@@@
@
@
@
@
@ 3
v=2 @
@
@
w=0 @
- 20 M W
Figura 3.67: Sistema final de 3 barras.
Fase II:
No es posible retirar el único circuito adicionado al sistema en la fase I. Posteriormente será

verificado que la configuración encontrada por el algoritmo de red marginal, para este problema,
corresponde a la configuración óptima.
Ejemplo 3.14: Sistema de 3 barras y un circuito en la base
Se utiliza el algoritmo de red marginal para realizar el planeamiento del sistema de 3 barras
con solamente un circuito en la configuración base. El sistema se muestra en la figura 3.68 y
los datos ya son conocidos.
El algoritmo de red marginal resuelve el problema a través de las siguientes iteraciones:
Fase I:
Paso 1:
El proceso es iniciado sin inversión, v = 0, solamente con un circuito existente en la confi-
guración base.
128
1 f12 - 2
u-.................................................................
- 60
g1 ......@
.. ....... t r2
.@
. ...
θ1 .. ..
.. ..
.. .
..
@
..
@
.@
. ...
@ ... 3 ..
f13 @ R @ .. ... f23
.. .
@ ...... .......
r3 t- - 20 M W
θ3
min w = r2 + r3 (3.38)
s.a.
1 1
− θ1 + θ3 + g1 = 0
3 3
r2 = 0, 60
1 1
θ1 − θ3 + r3 = 0, 20
3 3
|θ1 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
mostrados en la figura 3.69 donde los principales valores de interés son los siguientes: w = r2 =
60, g1 = 20 MW y el circuito 1 − 3 no está en su lı́mite.
0 0 0
de la red marginal: g 1 = 80 − 20 = 60, d2 = r2 = 60 MW, n12 = n23 = 0 e n13 = 1 − (20/40) =
0, 5. Con estos valores y usando (3.34), el modelo matemático de la red marginal es el siguiente:
00 00 00
min v1 = 3n12 + 2n13 + 2n23 (3.39)
s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 60
f13 + f23 = 0
129
1 2
- 60
u-
g1 t r2 = 60
@
@
R 20
@@@
@
@
3
w = 60 @
@
- 20 M W
00
|f12 | ≤ 0, 35 n12
0 00
|f13 | ≤ 0, 40 (n13 + n13 )
00
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 60
0
0 ≤ n13 ≤ 0, 5
00 00 00
n12 , n13 , e n23 ≥ 0

0 00 00
n13 = 0, 5, n12 = 1, 14286 e n23 = 0, 5 con inversión v1 = 4, 42857
1 2
40 - - 8,75
u-.................................................................
g1 = 60 ........ .......
.. ...
.. ..
.. @@ 20 ....
.. R 20
.. .
v = 4, 42857 .. ...
.. 3 ..
0
n13 = 0, 50 .. ..
.. .
00 ....... ........
n = 1, 14286
12 -
00
n23 = 0, 50
Figura 3.70: Primera red marginal.
130
En la figura 3.70, el circuito 1 − 2 transporta el mayor flujo de potencia. En consecuencia,
se selecciona el circuito 1 − 2 como refuerzo y se adiciona al sistema para obtener la nueva
configuración actual.
min w = r2 + r3 (3.40)
s.a.
5 1 1
− θ1 + θ2 + θ3 + g1 = 0
6 3 2
1 1
θ1 − θ2 + r2 = 0, 60
3 3
1 1
θ1 − θ3 + r3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
25, g1 = 55 MW y el circuito 1 − 2 está en el lı́mite.
1 2
35 - - 60
u-
g1 t r2 = 25
@
@
R 20
@@@
@
@
3
w = 25 @
@
- 20 M W
131
0 0 0
de la red marginal: g 1 = 80 − 55 = 25, d2 = r2 = 25 MW, n12 = n23 = 0 e n13 = 1 − (20/40) =
0 0
0, 5. Es necesario observar que n12 = 0 porque el circuito 1 − 2 está en su lı́mite y n23 = 0
porque no existe circuito en este camino en la configuración actual. Con estos valores y usando
00 00 00
min v1 = 3n12 + 2n13 + 2n23 (3.41)
s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 25
f13 + f23 = 0
00
|f12 | ≤ 0, 35 n12
0 00
|f13 | ≤ 0, 40 (n13 + n13 )
00
|f23 | ≤ 0, 40 n23
0 ≤ g1 ≤ 0, 60
0
0 ≤ n13 ≤ 0, 5
00 00 00
n12 , n13 , e n23 ≥ 0

0 00 00
n13 = 0, 5, n12 = 0, 14286 y n23 = 0, 5 con inversión v1 = 1, 42857
1 2
5 -
................................................................. - 25
u-
g1 = 25 ........ .......
.. ...
.. ..
.. @@ 20 ....
.. R 20
.. ..
v = 1, 42857 .. ..
... .
0
.. 3 ..
n13 = 0, 50 . ...
00 ....... .......
n = 0, 14286
12 -
00
n23 = 0, 50
Figura 3.72: Segunda red marginal.
132
En la figura 3.72, los circuitos 1 − 3 y 2 − 3 transportan el mismo valor de flujo de potencia.
00
De otro lado, se selecciona para refuerzo el circuito 2 − 3 porque la varı́able n23 es diferente de
00
cero en la función objetivo mientras n13 = 0. Ası́, se adiciona un circuito en 2 − 3 para obtener
la nueva configuración actual.
min w = r2 + r3 (3.42)
s.a.
5 1 1
− θ1 + θ2 + θ3 + g1 = 0
6 3 2
1 5 1
θ1 − θ2 + θ3 + r2 = 0, 60
3 6 2
1 1
θ1 + θ2 − θ3 + r3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
8, 75, g1 = 71, 25 MW y el circuito 1 − 2 está en su lı́mite.
0
de la red marginal: g 1 = 80 − 71, 25 = 8, 75, d2 = r2 = 8, 75 MW, n12 = 1 − (35/35) = 0,
0 0
n13 = 1 − (36, 25/40) = 0, 09375 y n23 = 1 − (16, 25/40) = 0, 59375. Con estos valores y usando
00 00 00
min v1 = 3n12 + 2n13 + 2n23 (3.43)
s.a.
−f12 − f13 + g1 = 0
f12 − f23 = 0, 8785
133
1 2
35 MW - - 60
u-
g1 t r2 = 8, 75
@
@
R 36,25
@@@ 16,25
@
@
w = 8, 75 @ 3
@
- 20 M W
f13 + f23 = 0
00
|f12 | ≤ 0, 35 n12
0 00
|f13 | ≤ 0, 40 (n13 + n13 )
0 00
|f23 | ≤ 0, 40 (n23 + n23 )
0 ≤ g1 ≤ 0, 8785
0
0 ≤ n13 ≤ 0, 09375
0
0 ≤ n23 ≤ 0, 59375
00 00 00
n12 , n13 , e n23 ≥ 0

0 0 00
n13 = 0, 09375, n23 = 0, 21963 y n13 = 0, 21963 con inversión v1 = 0, 25125
1 2
- 8,75
u-
g1 = 8, 75 ........ .......
.. ...
.. ..
.. @@ 8,75 ....
.. R 8,75
.. ..
v = 0, 25125 .. ..
... .
0
.. 3 ..
n13 = 0, 09375 . ...
0 ....... .......
n23 = 0, 21963 -
00
n13 = 0, 12563
Figura 3.74: Tercera red marginal.
134
En la figura 3.74, existen dos circuitos con flujos de potencia exactamente iguales. De otro
00
lado, se selecciona el circuito 1 − 3 porque la varı́able n13 es la única que posee valor diferente
de cero en la función objetivo. Ası́, se adiciona un circuito en el camino 1 − 3 para obtener la
nueva configuración actual.
Cuarta iteración:
min w = r2 + r3 (3.44)
s.a.
4 1
− θ1 + θ2 + θ3 + g1 = 0
3 3
1 5 1
θ1 − θ2 + θ3 + r2 = 0, 60
3 6 2
1 3
θ1 + θ2 − θ3 + r3 = 0, 20
2 2
|θ1 − θ2 | ≤ 1, 05
|θ1 − θ3 | ≤ 0, 80
|θ2 − θ3 | ≤ 0, 80
0 ≤ g1 ≤ 0, 80
0 ≤ r2 ≤ 0, 60
0 ≤ r3 ≤ 0, 20
mostrados en la figura 3.75 donde, se puede observar que el sistema no presenta corte de carga.
Ası́, se termina la fase I con la siguiente propuesta de inversión:
n12 = 1, n13 = 1, y n23 = 1, con inversión v = 7
Fase II:
No es posible retirar ninguno de los circuitos adicionados al sistema en la fase I. Posterior-

mente se verificará que la configuración encontrada por el algoritmo de red marginal, para este
problema, no corresponde a la configuración óptima.
135
1 33,33 MW - 2
- 60
u-
g1 @
@
@
R 46,67 26,67
@
@@@
@
@
@
@
@ 3
v=7 @
@
@
w=0 @
- 20 M W
Figura 3.75: Configuración final del sistema de 3 barras
Ejemplo 3.15: Sistema de 6 barras de Garver
En [50] se utiliza el sistema de 6 barras, usado inicialmente por Garver en [22], en el caso
en donde existe redespacho de la generación, para mostrar el desempeño del algoritmo de red
marginal. Los datos de este sistema se presentan en el apéndice A y, se pueden considerar
como candidatos a adición todos los caminos posibles entre dos barras del sistema. Usando el
algoritmo de red marginal, es posible encontrar la secuencia de adiciones presentadas en las
figuras 3.76 la 3.84 que son ligeramente diferentes de las presentadas en [50]. Los resultados
presentados inician el proceso de planeamiento después de adicionar al sistema un circuito en el
camino 2−6 para volver el sistema conexo. Posteriormente se mostrará que la configuración final
encontrada en [50] no es la configuración óptima. En consecuencia, los resultados presentados
siguen la secuencia presentada en [50], iniciando el proceso de optimización con la adición de un
circuito en el camino 2 − 6 para volver la configuración actual conexa. De otro lado, usando el
mismo algoritmo usado en los ejemplos presentados en este capı́tulo e iniciando el proceso con
la red no conexa, se encuentra la misma configuración final, aunque la secuencia de adiciones
no sea exactamente la misma presentada en [50].
3.4 Notas y Referencias Históricas

Existen otros algoritmos heurı́sticos además de los que se analizaron en este capı́tulo, como
por ejemplo, las propuestas presentadas en [9, 38, 48, 49]. El modelo de transportes de Garver
tiene éxito debido a su simplicidad desde el punto de vista de su comprensión y de la im-
plementación computacional. Los algoritmos heurı́sticos construtivos son muy usados por las
empresas eléctricas en los trabajos de planeamiento. En el Brasil, los algoritmos de mı́nimo
esfuerzo y de mı́nimo corte de carga fueron muy usados por el sistema ELETROBRAS en los
trabajos de planeamiento del sistema brasilero.
Para el sistema de Garver de 6 barras sin redespacho de la generación y usando el modelo de
transportes, en [41] se encontraron cinco soluciones óptimas alternativas siendo que solamente
una de esas soluciones satisface también la segunda ley de Kirchhoff y, por lo tanto, también
136
r5 = 136, g1 = 150
r 48
240 r 80 136,48
? 65 3,52 ?6 1 .. 65 16,48 1
...

...
....
...
...
g3 = 240 g3 = 120 ....

r 100 r ..... 120
.
? 3 1,78 ?... 3 16,48
40
? ?
H
HH 100 H
HH
j r2 = 133, 52
H
H
H H
HH r HH
H 240 64,70 ?
H 133,52
? 62
....
v = 69, 0 62
w = 270, 0
n26 = 1, 5 ...
@ n35 = 1, 2 ...... @
..
@
@95,30 ....... @
..
.... 150
@
100 .
@@R
@ ..
..
@
....
@ @
...
....
@ @
@
@ ...... @
@
...
6 4 6 4
rg6 = 100
6 160 ? r6
g6 = 150
Figura 3.76: Sistema inicial de 6 barras. Figura 3.77: Primera red marginal.
r5 = 136, g1 = 150
r 48
240 r 80 136,48
? 65 3,52 ?6 1 . 65 16,48 1
...

...
..
.......
..
g3 = 240 g3 = 120 ....

r 100 r ..... 120
.
? 3 1,78 ?... 3 16,48
40
? ?
HH 100 HH
j r2 = 33, 52
H
H
H H
H HH r HH
HH
H 240 64,70 ? 33,52
w = 170, 0
? 62 v = 39, 0 ... 62
n26 = 0, 5 .. .
.
@ n35 = 1, 2 ...... @
...
@95,30 ....
@ @
...
.. 50 @
200 @@R
@
....... @
..
....
@ @
...
...
@ @
@
@ ...... @
@
...
6 4 6 4
rg6 = 200
6 160 ? r g6 = 50
6
Figura 3.78: Sistema de 6 barras después de una adición. Figura 3.79: Segunda red marginal.
137
r5 = 36, g1 = 150
r 48
240 r 80 36,48
? 65 3,52 ?6 1 .. 65 16,48 1
...

...
....
...
...
g3 = 340 g3 = 20.....
r 200 r .... 20
...
? 3 1,78 ?. 3 16,48
40
? ?
H
HH 100 H
HH
j r2 = 33, 52
H
H
H H
HH r HH
H 240 64,70 ?
H 33,52
? 62
....
v = 19, 0 62
w = 70, 0
n26 = 0, 5 ...
@ n35 = 0, 2 ...... @
..
@
@95,30 ....... @
.. 50
....
@
200 .
@@R
@ ..
..
@
....
@ @
...
....
@ @
@
@ ...... @
@
...
6 4 6 4
rg6 = 200
6 160 ? r6g6 = 50
Figura 3.80: Sistema de 6 barras después de las adiciones. Figura 3.81: Tercera red marginal.
r5 = 16, g1 = 150
r 44
240 r 80 16,44
? 65 23,56 61 . 65 1
...
?
...
..
g3 = 292, 14 .......
g3 = 17, 87 ..
....
r 200 r ..... 16,44
.
? 3 12,15 ?... 3 1,43
40
? ?
HH 52,15 HH 1,43
H
H
j
H H
j
H
H
HH HH
HH HH
62
240 58,57 ? 1,43 ?
w = 17, 87 v = 3, 57 2
n23 = 0, 0143
@ n35 = 0, 1644 @
@ @
@ 100 @
300 @@R
@ @
@ @
@ @
r
@
r4 = 1, 43@
@
@
6 ? 4 6 4
rg6 = 300
6 160 ? r6g6 = 0
Figura 3.82: Sistema de 6 barras después de tres adiciones. Figura 3.83: Cuarta red marginal.
138
g1 = 150
240 r 80
65 2,28 ?6 1
g3 = 360
r 237,72
? 3 2,65
40
?
H
HH
82,28
H
j
H
H
HH
H
62
240 65,07 ?
v = 130
w=0 @
@94,93
@
250 @@R
@
@
@
@
@
6 4
r6
g6 = 250 160 ?
Figura 3.84: Solución final del sistema de 6 barras.
es la solución óptima para el modelo DC. Esta solución presenta las siguientes adiciones:
n26 = 4, n35 = 1, n46 = 2 con inversión v = 200
Curiosamente, la solución anteriormente presentada fué encontrada por Garver en [22], esto
es, el algoritmo de Garver puede encontrar una de las cinco soluciones óptimas alternativas o
un óptimo local, pero encontró justamente aquella solución óptima alternativa que también es
óptima para el modelo DC. Garver no analizó el sistema de 06 barras con la posibilidad de
redespacho.
Para el sistema de 6 barras cuando es usado el modelo DC y sin redespacho de la gen-
eración prácticamente todos los algoritmos heurı́sticos construtivos que utilizan el modelo DC
encuentran la solución óptima global encontrada por Garver y mostrada anteriormente. Cuando
existe la posibilidad de usar redespacho de la generación, ninguno de los algoritmos heurı́sticos
encuentra la solución óptima global, todos ellos encuentran soluciones óptimas locales.
Para el sistema sur brasilero con o sin redespacho de la generación ninguno de los algoritmos
heurı́sticos encuentra la solución óptima global de cada tipo de problema. Estas soluciones
óptimas globales fueron encontradas usando algoritmos de optimización clásicos basados en la
técnica de descomposición de Benders.
Para el sistema norte-nordeste brasilero aún no se conoce la solución óptima global. En-
contrar las soluciones óptimas globales, inclusive para modelos más relajados como el modelo
de transportes, representa un verdadero desafio para los investigadores en planeamiento de la
139
expansión de sistemas de transmisión.
Para tener una idea de la complejidad del problema de planeamiento, se presenta un caso
muy simple. Por ejemplo el sistema norte-nordeste que tiene 183 circuitos candidatos. Si se
permite que se puedan adicionar hasta 4 circuitos en cada camino candidato entonces existen
(4 + 1)183 = 5183 = 2425 topologı́as posibles. Teniendo en cuenta de que las mejores topologı́as
encontradas para este sistema adicionan hasta 11 circuitos en un determinado camino y que el
número 264 , muy conocido en problemas combinatórios, ya es un número bastante grande, es
posible imaginar la complejidad y la explosión combinatorial que aparece en los problemas de
planeamiento de sistemas de transmisión.
3.5 Problemas
1 f 12 = 80 M W c12 = 4 γ12 = 12 2
........................................................
g1 g2
x - x
..........

......... ........
.. . . . ..
. . .
.. . ..
. . .
g 1 = 400M W . . . . .. ?
.. . . . 80 M W
.
.. . . . ..
. . g = 120M W
.. f 14 = 40 M W . . . f 23 = 40 M W. 2
. ..
.. c14 = 3 . . . c23 = 3
.. γ14 = 5 2 .
. . . γ23 = 5 ..
2
.. . ..
. . . f 24 = 60 M W ..
.. . . c24 = 4 ..
4 .. .
..

.. .
. γ24 = 35 .. 3
. .

. ..
......... . .. ........
. .
........... .
........................................................
1
f 34 = 80 M W c34 = 4 γ34 = 2
? ?
240 M W 160 M W
en donde existen 3 circuitos en la topologı́a b’asica (no23 = no24 = no34 = 1) y pueden

adicionarse circuitos en todos los caminos punteados. Implementar el planeamiento de
este sistema usando:
140
(a) Modelo de transportes y el algoritmo de Garver.
(b) El modelo DC y el algoritmo de mı́nimo esfuerzo.
(c) El modelo DC y el algoritmo de mı́nimo corte de carga.
(d) El modelo DC y el algoritmo de Villasana-Garver.
(e) El modelo DC y el algoritmo de Levi-Calovic.
(f) Analizar y comentar los resultados encontrados.
1 f 12 = 35 M W c12 = 3 2
u-.................................................................
1
- 80
γ12 = 3
g1 ......@
.. @
@ .......
..
@
.@
.. @ .
@
.@ .
g 1 = 125M W .. f = 40 f = 40 ...
..@ .
@
.@ 13 23
..
c13 = 2 ..@ .. c23 = 2
@
@
.. @
@
..
.@
.. @ 3 .. γ23 = 1
γ13 = 12 .
@
.@
.. .. 2
...... .......
@
- 40 M W
en donde existen 6 circuitos en la topologı́a básica (no12 = 1, no13 = 3, no23 = 2) y pueden

ser adicionados circuitos en todos los caminos punteados. Implementar el planeamiento
de este sistema usando:

3. En el problema anterior el lector debe concluir que el algoritmo de Garver no adiciona

ningún circuito porque el sistema opera adecuadamente para el modelo de transportes.
Todos los demás algoritmos que trabajan con el modelo DC producen adiciones de cir-
cuitos en el sistema. Concluya sobre los siguientes puntos:
(a) Suponer que el trabajo de planeamiento consiste en encontrar una topologı́a que
opere adecuadamente y con la menor inversión. Suponga que es posible adicionar
circuitos nuevos y retirar circuitos ya existentes. Es esta propuesta coherente?
141
(b) Suponga que existe una estratégia heurı́stica que resuelve el problema anterior de
la siguiente forma: (1) En el paso inicial retira el circuito 1-2 del sistema porque
se identifica como indeseable. (2) En el paso 2 se usa uno de los algoritmos que
trabaja con el modelo DC sin embargo no es necesario adicionar circuitos porque el
sistema ahora, con la retirada del circuito 1-2, está operando adecuadamente para
el modelo DC. En otras palabras, se ha encontrado una topologı́a con inversión cero
simplemente retirando un circuito o, mejor aún, no hacı́an falta circuitos para que
el sistema operara adecuadamente, por lo contrario, existı́an circuitos que afectaban
negativamente la operación del sistema.
(c) Encuentre una justificación teórica para explicar el problema anterior, esto es, la
existencia de circuitos que no mejoran la operación del sistema, y al contrario, em-
peoran el funcionamento adecuado del sistema eléctrico.
(d) proponga un algoritmo que realice de manera sistemática un trabajo de planeamiento
como el mostrado en el item (b).
(e) Diga porque este problema no aparece en el modelo de transportes.

g2
g 2 = 100M W w - - 25
...... . . . . .. .
. . . ..... ..
f 14 = 60 M W . . . .
. . . f = 35 M W
. .. . . 24
c14 = 2 . .. 4 . . c24 = 31
γ14 = 2 . . 1 . .. . γ24 = 3
. . .. f 34 = 40 M W . . .
. .. ..
. .. .. c34 = 2
1 ..
1 . .. γ34 = 2 .. 2
. . .. ..
.
...... f 12 = 35 M W .. . . . . . . - 60
..
w -.................................................................
1 ..
.
g1 ......@ c 12 = 3 γ 12 = 3 .. ......
.. .. ..
.. .
.. . .
.@ ..
@
.. .
. .
g 1 = 200M W .. .. .
.@ ..
@
.. .. . .
.. .. ..
f 13 = 40 M W .@
@ .
. .
c13 = 2
..
. .. 3
. . . . 23 c=2340
f
=
MW
2
. . . .. .
. ...... . . . . .. . .
@
γ13 = 12 @ γ23 = 12
- 120 M W
en donde existe un circuito en la topologı́a base (no13 = 1) y se pueden adicionar circuitos

en todos los caminos punteados. Implementar el planeamiento de este sistema usando:
142
5. Para cada uno de los problemas propuestos en el capı́tulo 2 y modelados usando el modelo
de transportes o el modelo DC, realizar el trabajo de planeamiento usando los siguientes
algoritmos:
(a) El algoritmo de Garver para aquellos problemas formulados usando el modelo de

transportes.
(b) Los algoritmos de mı́nimo esfuerzo, mı́nimo corte de carga, Villasana-Garver y de
red marginal, trabajando separadamente, para cada un de los problemas formulados
usando el modelo DC.
6. Intente formalizar un algoritmo que haga el trabajo de planeamiento para el modelo

hı́brido. Cual de los modelos hı́bridos serı́a el más adecuado? Use este algoritmo para
resolver todos los problemas del capı́tulo 2 usando el modelo hı́brido.
143
CAPITULO 4
PLANEAMIENTO DE SISTEMAS DE
TRANSMISIÓN CONSIDERANDO MÚLTIPLES
ESCENARIOS DE GENERACIÓN
4.1 Introducción
Cuando se plantea el problema de planeamiento de las redes de transmisión de energı́a eléctrica
en sistemas eléctricos con esquemas de mercado, la congestión de la red ante algún despacho
posible de generación futura, es el indicador primario de la no adaptabilidad del sistema de
transmisión a un esquema de libre competencia.
En un ambiente de libre mercado, no deben existir restricciones para los diferentes despachos
de generación que surgen como una consecuencia de las negociaciones de energı́a eléctrica entre
productores y consumidores y que toman la forma de contratos bilaterales o multilaterales, o
de compra y venta en la bolsa de energı́a (mercado spot). La congestión impone restricciones
a las transferencias, dando origen a redespachos fuera de mérito que aumentan el precio de la
energı́a, crea volatilidad en el precio y, en algunos casos, da origen a una subdivisión del sistema
en zonas con precios diferentes. Una vez identificada la congestión durante la operación de un
sistema, se hace necesario crear una metodologı́a para su manejo, a través de reglas claras,
y asociada a mecanismos que permitan generar recursos para el refuerzo de la red o para su
reestructuración, con el propósito de eliminar la congestión en el mediano o largo plazo. La
literatura especializada en lo referente a la congestión es amplia y variada, y es concluyente en
cuanto a que la congestión reduce la eficiencia del mercado de electricidad.
La propuesta que se presenta en este capı́tulo se divide en tres partes: Inicialmente se pre-
tende determinar cual es la solución de mı́nimo costo que eliminarı́a la congestión del sistema
para cualquier escenario de generación factible, sin considerar criterios de confiabilidad ni se-
guridad. Posteriormente se determina el costo asociado a la solución para garantizar que el
sistema continua operando correctamente ante la salida de un elemento del sistema (contin-
gencia simple), pero tomando como referencia el planeamiento básico (sin las adiciones para
eliminar congestión). Finalmente se comparan las soluciones obtenidas para eliminar congestión
y para garantizar seguridad.
144
En el desarrollo de la primera parte se plantea la conjetura de que no habrá congestión
para ningún escenario de generación factible si esta no aparece en ninguno de los escenarios
de generación extremos. De esta manera, no es necesario determinar una red que elimine
la congestión para los innumerables escenarios de generación factibles que pueden surgir en
un sistema real, sino que se debe determinar la red de transmisión que elimina la congestión
únicamente para los escenarios de generación extremos, de acuerdo con la conjetura.
La propuesta anterior elimina la necesidad de modelar los contratos y el mercado spot, en
el propósito de generar posibles escenarios de despacho. También hace innecesario modelar
precios para medir su efecto, en el propósito de determinar escenarios de despacho, ya que
independientemente de los tipos de contratos que puedan realizarse y de la variabilidad del
precio, las ofertas en la componente de cantidad de potencia solo pueden asumir valores entre
gimin y gimax para cada productor y la suma de todas las generaciones debe ser igual al consumo
horario en las cargas, que es fundamentalmente conocido y constante. Esto quiere decir que
para cada hora puede generarse el conjunto completo de alternativas de despacho factibles para
atender un cierto valor de carga preestablecido. Lógicamente este supuesto es cierto, si se asume
que la cantidad de potencia consumida por el sistema en cada hora, es altamente predecible y
no cambia como consecuencia de la variación del precio.
Otro supuesto que se hace es que si la red no presenta congestión para la condición de
demanda máxima, no presentara congestión en condiciones de demandas inferiores a la máxima.
Por lo tanto, los datos de demanda que se toman deben corresponder a los de demanda máxima.
Los efectos de la seguridad, de la incertidumbre del valor de la carga y de la incertidumbre
de los valores lı́mite de la generación de cada planta, pueden también ser considerados en el
modelo.
Inicialmente se determina el menor número de escenarios de despacho de generación factibles
de tal forma que representen los casos más extremos desde el punto de vista de la producción
de congestión en el sistema futuro.
4.2 Modo de generación de escenarios extremos

Los escenarios extremos se obtienen realizando las combinaciones posibles de despacho para
las cuales todos los generadores se encuentren en uno de sus lı́mites (inferior o superior), sin
embargo, la suma de la generación total no necesariamente resulta igual a la demanda total del
sistema, debido a lo anterior, uno de los generadores debe dejarse libre para que asuma el valor
necesario para garantizar la condición de equilibrio de potencia, es decir, que la potencia total
generada sea igual a la potencia total demandada. Si con este generador libre no se satisface
la condición de equilibrio de potencias, la alternativa se considera infactible. Para generar los
escenarios extremos se sigue el siguiente procedimiento:
• Determinar todos los escenarios de generación posibles para los cuales, de los n gene-
radores existentes, (n − 1) generadores se encuentren en su lı́mite inferior gimin o en su
lı́mite superior gimax , y el generador restante pueda asumir cualquier valor de generación
entre sus extremos: gkmin y gkmax .
145
• Determinar cuales de los escenarios posibles son factibles, es decir, para cuales de los
escenarios obtenidos en el paso anterior, se cumple que:
X X
d> gimax + gimin (4.1)
i∈Ω1 i∈Ω2
X X
d< gimax + gimin + gkmin (4.2)
i∈Ω1 i∈Ω2
Donde, d es la demanda máxima del sistema, gimax es la demanda máxima del generador
i, Ω1 es el subconjunto de generadores que se encuentran en el lı́mite superior, gimin
es la demanda mı́nima del generador i y Ω2 es el subconjunto de los generadores que se
encuentran en su lı́mite inferior. Las expresiones (4.1) y (4.2) garantizan que la generación
va a atender la carga sin que se presente racionamiento o excedentes de generación. La
expresión (4.1) obliga a que la suma de la generación de las plantas que están fijadas en
uno de sus extremos se encuentre por debajo de la demanda total, es decir, que no se
presenten excedentes de generación. La expresión (4.2) garantiza que la demanda total
se puede atender con la generación fijada más una parte o toda la generación de la planta
libre (aquella que puede asumir cualquier valor entre sus lı́mites), esta condición garantiza
que no se presenta racionamiento.
4.3 Modelo matemático para el planeamiento del sis-

tema de transmisión considerando escenarios extremos
de generación
Al incorporar los escenarios de generación factibles al problema de la expansión de la red de
transmisión, para cada propuesta de expansión, el modelo matemático presentado en (2.26)
(modelo DC con generación ficticia) debe resolverse tantas veces como escenarios de generación
extremos factibles existan, y el corte de carga de la propuesta se obtiene sumando los cortes de
carga resultantes de la solución de cada uno de los escenarios. La solución óptima del problema
se obtiene cuando se encuentra la propuesta de costo mı́nimo que no presenta corte de carga
para ninguno de los escenarios de generación extremos. Este costo incluye el costo de eliminar
la congestión.
El modelo matemático del subproblema operativo que debe ser resuelto para cada propuesta
de inversión y para cada uno de los despachos de generación factibles, determina el corte de
carga o racionamiento que resulta al resolver el problema de programación lineal que incluye la
propuesta de inversión predefinida y usa el modelo DC para representar la red de transmisión.
La formulación matemática asume la siguiente forma:
146
X
min v = α rk (4.3)
k∈Γ
s.a.
S f +g+r =d
gkmin ≤ gk ≤ gkmax
gi = gimin → i ∈ Ω2
gi = gimax → i ∈ Ω1
0≤r≤d
γijeq discreto
fij irrestricto
En este modelo, Γ es el subconjunto de los nodos de carga, rk es el corte de carga resultante en

el nodo k, fij representa el flujo de potencia entre el nodo i y el nodo j, las susceptancias γij están
asociadas a la propuesta de inversión analizada, Ω1 representa el subconjunto de generadores
que se encuentran en su lı́mite superior, Ω2 representa el subconjunto de generadores que se
encuentran en su lı́mite inferior, k es el ı́ndice del único generador que esta libre y puede
asumir cualquier valor de generación entre sus lı́mites inferior y superior, y los θj representan
los ángulos nodales.
Antes del resolver el subproblema de operación, un algoritmo heurı́stico elabora propuestas
que definen la cantidad y la localización de las nuevas inversiones, esto es, donde se deben
adicionar nuevas lı́neas de transmisión y/o transformadores y cuantas adiciones deben ser re-
alizadas en cada corredor candidato.
El algoritmo heurı́stico es el encargado de resolver el problema de inversión. Una vez definida
la inversión futura (tipo de elemento, cantidad y localización), las reactancias del nuevo sistema
quedan definidas y puede resolverse el subproblema operativo, en el cual las variables son:
flujos en los elementos de transmisión, ángulos nodales y racionamiento nodal. La suma de los
racionamientos que puedan aparecer en los nodos de carga, como consecuencia de la propuesta
de inversión realizada por el algoritmo, constituye el corte de carga total o potencia no servida
PNS del sistema, y representa la principal variable del subproblema de operación, la cual se
envı́a al problema de inversión para cualificar la propuesta.
147
Ejemplo 4.1: Sistema IEEE de 24 barras
En este ejemplo se utiliza un algoritmo genético para realizar el planeamiento del sistema IEEE
de 24 barras, cuyos datos se encuentran en el apéndice A, de tal forma que garantice que el plan
de expansión no presente corte de carga para ningún escenário de generación extremo. Para
resolver el subproblema de operación se utiliza la formulación presentada en (4.3).
Inicialmente se construyen los escenários de generación posibles.
Utilizando el procedimiento presentado en el numeral 4.2, se construyen los escenarios de
generación extremos posibles. Dado que el sistema de 24 nodos de la IEEE tiene 10 generadores,
y en cada caso escenário uno de los diez generadores se deja libre y los 9 restantes deben estar
en el lı́mite superior o en el lı́mite inferior, resultan 10 ∗ 29 escenarios de generación posibles,
es decir, 5120 escenarios posibles. Al aplicar la condición de escenario factible presentada en el
numeral 4.2, es decir, considerando únicamente los escenarios donde no aparece racionamiento
ni excedentes de generación, resultan únicamente 158 escenarios extremos factibles. Estos
escenarios se presentan en la tabla 4.1.
En esta tabla, cada fila representa un escenario de generación factible. Los números que
aparecen en la segunda columna y que asumen el valor 0, 1 ó 2, representan los estados de los
10 generadores del sistema de 24 nodos de la IEEE, en su orden, es decir, representan a los
generadores 1, 2, 7, 13, 15,16,18,21,22 y 23 respectivamente (ver datos del sistema en el apéndice
A). Si el número asociado al generador es 0, al resolver el PL del subproblema de operación,
este generador será colocado en su lı́mite inferior. Si el número asociado es 1, el generador es
colocado en su lı́mite superior al momento de resolver el PL. Si el número es 2, este generador es
programado para que asuma cualquier valor entre su lı́mite inferior y el superior. Para fines de
P
verificación, la cantidad denominada gimax , es la suma de los generadores que se encuentran
en el lı́mite superior y que están representados por la cantidad numérica 1 en el escenário. No se
incluye en esta suma el valor del lı́mite inferior de los generadores representados por la cantidad
P
0 porque todos los generadores de este sistema tienen como lı́mite inferior cero. gimax + gk
es la suma anterior más la capacidad máxima del generador que puede variar entre sus lı́mites
inferior y superior. La demanda total (8550 MW) debe encontrarse entre estos dos valores para
que el plan sea factible.
Puede observarse que los diez primeros escenários tienen al generador 1 programado li-
bremente (aparece siempre con el número 2) mientras que los restantes nueve generadores se
encuentran en su lı́mite inferior o en su lı́mite superior (aparecen con el valor 0 ó el valor 1).
No aparecen todas las combinaciones para los 9 generadores fijados en sus lı́mites porque no
todos los escenários posibles son factibles.
Los datos correspondientes al primer escenário se interpretan de la siguiente manera: el
primer generador tiene asociado el valor 2, lo que significa que el generador 1 puede asumir
cualquier valor entre el lı́mite inferior y el lı́mite superior: g1min ≤ g1 ≤ g1max , los generadores
con valor 1 deben programarse en su lı́mite superior, es decir, g2 = g2max , g7 = g7max , g13 =
g13max , g15 = g15max , g18 = g18max , g21 = g21max , g23 = g23max , y los generadores con valor 0
deben programarse en su lı́mite inferior, es decir, g16 = g16min = 0, g22 = g22min = 0
En los demás casos se aplica la misma lógica.
148
Tabla 4.1 Escenários
P
de generación
P
No Escenário gimax gimax + gk
1 2 1 1 1 1 0 1 1 0 1 8274.000 8850.000
2 2 1 1 1 0 1 1 1 0 1 8094.000 8670.000
3 2 0 1 1 1 1 1 1 0 1 8163.000 8739.000
4 2 1 1 1 1 1 1 0 1 1 8439.000 9015.000
5 2 1 1 1 1 1 0 1 1 1 8439.000 9015.000
6 2 1 1 1 0 0 1 1 1 1 8529.000 9105.000
7 2 1 0 1 1 0 1 1 1 1 8274.000 8850.000
8 2 1 0 1 0 1 1 1 1 1 8094.000 8670.000
9 2 0 1 1 0 1 1 1 1 1 8418.000 8994.000
10 2 0 0 1 1 1 1 1 1 1 8163.000 8739.000
11 1 2 1 1 1 0 1 1 0 1 8274.000 8850.000
12 1 2 1 1 0 1 1 1 0 1 8094.000 8670.000
13 0 2 1 1 1 1 1 1 0 1 8163.000 8739.000
14 1 2 1 1 1 1 1 0 1 1 8439.000 9015.000
15 1 2 1 1 1 1 0 1 1 1 8439.000 9015.000
16 1 2 1 1 0 0 1 1 1 1 8529.000 9105.000
17 1 2 0 1 1 0 1 1 1 1 8274.000 8850.000
18 1 2 0 1 0 1 1 1 1 1 8094.000 8670.000
19 0 2 1 1 0 1 1 1 1 1 8418.000 8994.000
20 0 2 0 1 1 1 1 1 1 1 8163.000 8739.000
21 1 1 2 1 1 0 1 1 0 1 7950.000 8850.000
22 1 1 2 1 0 1 1 1 0 1 7770.000 8670.000
23 1 0 2 1 1 1 1 1 0 1 7839.000 8739.000
24 0 1 2 1 1 1 1 1 0 1 7839.000 8739.000
25 1 1 2 1 1 1 1 1 0 1 8415.000 9315.000
26 1 1 2 1 1 1 1 0 1 1 8115.000 9015.000
27 1 1 2 1 1 1 0 1 1 1 8115.000 9015.000
28 1 1 2 1 0 0 1 1 1 1 8205.000 9105.000
29 0 0 2 1 1 0 1 1 1 1 7698.000 8598.000
30 1 0 2 1 1 0 1 1 1 1 8274.000 9174.000
31 0 1 2 1 1 0 1 1 1 1 8274.000 9174.000
32 1 0 2 1 0 1 1 1 1 1 8094.000 8994.000
33 0 1 2 1 0 1 1 1 1 1 8094.000 8994.000
34 0 0 2 1 1 1 1 1 1 1 8163.000 9063.000
35 1 1 1 2 1 0 1 1 0 1 7077.000 8850.000
36 1 1 1 2 0 1 1 1 0 1 6897.000 8670.000
37 1 0 1 2 1 1 1 1 0 1 6966.000 8739.000
38 0 1 1 2 1 1 1 1 0 1 6966.000 8739.000
39 1 1 1 2 1 1 1 1 0 1 7542.000 9315.000
40 1 1 1 2 1 1 1 0 1 1 7242.000 9015.000
149
Tabla 4.1 (cont.) Escenários de generación
P P
41 1 1 1 2 1 1 0 1 1 1 7242.000 9015.000
42 1 1 1 2 0 0 1 1 1 1 7332.000 9105.000
43 1 1 0 2 1 0 1 1 1 1 7077.000 8850.000
44 0 0 1 2 1 0 1 1 1 1 6825.000 8598.000
45 1 0 1 2 1 0 1 1 1 1 7401.000 9174.000
46 0 1 1 2 1 0 1 1 1 1 7401.000 9174.000
47 1 1 1 2 1 0 1 1 1 1 7977.000 9750.000
48 1 1 0 2 0 1 1 1 1 1 6897.000 8670.000
49 1 0 1 2 0 1 1 1 1 1 7221.000 8994.000
50 0 1 1 2 0 1 1 1 1 1 7221.000 8994.000
51 1 1 1 2 0 1 1 1 1 1 7797.000 9570.000
52 1 0 0 2 1 1 1 1 1 1 6966.000 8739.000
53 0 1 0 2 1 1 1 1 1 1 6966.000 8739.000
54 1 1 0 2 1 1 1 1 1 1 7542.000 9315.000
55 0 0 1 2 1 1 1 1 1 1 7290.000 9063.000
56 1 0 1 2 1 1 1 1 1 1 7866.000 9639.000
57 0 1 1 2 1 1 1 1 1 1 7866.000 9639.000
58 1 1 1 2 1 1 1 1 1 1 8442.000 10215.000
59 1 1 1 1 2 0 1 1 0 1 8205.000 8850.000
60 1 0 1 1 2 1 1 1 0 1 8094.000 8739.000
61 0 1 1 1 2 1 1 1 0 1 8094.000 8739.000
62 1 1 1 1 2 1 1 0 1 1 8370.000 9015.000
63 1 1 1 1 2 1 0 1 1 1 8370.000 9015.000
64 1 1 0 1 2 0 1 1 1 1 8205.000 8850.000
65 0 0 1 1 2 0 1 1 1 1 7953.000 8598.000
66 1 0 1 1 2 0 1 1 1 1 8529.000 9174.000
67 0 1 1 1 2 0 1 1 1 1 8529.000 9174.000
68 1 0 0 1 2 1 1 1 1 1 8094.000 8739.000
69 0 1 0 1 2 1 1 1 1 1 8094.000 8739.000
70 0 0 1 1 2 1 1 1 1 1 8418.000 9063.000
71 1 1 1 1 0 2 1 1 0 1 8205.000 8670.000
72 1 0 1 1 1 2 1 1 0 1 8274.000 8739.000
73 0 1 1 1 1 2 1 1 0 1 8274.000 8739.000
74 1 1 0 1 0 2 1 1 1 1 8205.000 8670.000
75 1 0 1 1 0 2 1 1 1 1 8529.000 8994.000
76 0 1 1 1 0 2 1 1 1 1 8529.000 8994.000
77 1 0 0 1 1 2 1 1 1 1 8274.000 8739.000
78 0 1 0 1 1 2 1 1 1 1 8274.000 8739.000
79 1 1 1 1 1 0 2 1 0 1 7650.000 8850.000
80 1 1 1 1 0 1 2 1 0 1 7470.000 8670.000
150
P P
81 1 0 1 1 1 1 2 1 0 1 7539.000 8739.000
82 0 1 1 1 1 1 2 1 0 1 7539.000 8739.000
83 1 1 1 1 1 1 2 1 0 1 8115.000 9315.000
84 1 1 1 1 1 1 2 0 1 1 7815.000 9015.000
85 1 1 1 1 0 0 2 1 1 1 7905.000 9105.000
86 1 1 0 1 1 0 2 1 1 1 7650.000 8850.000
87 0 0 1 1 1 0 2 1 1 1 7398.000 8598.000
88 1 0 1 1 1 0 2 1 1 1 7974.000 9174.000
89 0 1 1 1 1 0 2 1 1 1 7974.000 9174.000
90 1 1 0 1 0 1 2 1 1 1 7470.000 8670.000
91 1 0 1 1 0 1 2 1 1 1 7794.000 8994.000
92 0 1 1 1 0 1 2 1 1 1 7794.000 8994.000
93 1 1 1 1 0 1 2 1 1 1 8370.000 9570.000
94 1 0 0 1 1 1 2 1 1 1 7539.000 8739.000
95 0 1 0 1 1 1 2 1 1 1 7539.000 8739.000
96 1 1 0 1 1 1 2 1 1 1 8115.000 9315.000
97 0 0 1 1 1 1 2 1 1 1 7863.000 9063.000
98 1 0 1 1 1 1 2 1 1 1 8439.000 9639.000
99 0 1 1 1 1 1 2 1 1 1 8439.000 9639.000
100 1 1 1 1 1 0 1 2 0 1 7650.000 8850.000
101 1 1 1 1 0 1 1 2 0 1 7470.000 8670.000
102 1 0 1 1 1 1 1 2 0 1 7539.000 8739.000
103 0 1 1 1 1 1 1 2 0 1 7539.000 8739.000
104 1 1 1 1 1 1 1 2 0 1 8115.000 9315.000
105 1 1 1 1 1 1 0 2 1 1 7815.000 9015.000
106 1 1 1 1 0 0 1 2 1 1 7905.000 9105.000
107 1 1 0 1 1 0 1 2 1 1 7650.000 8850.000
108 0 0 1 1 1 0 1 2 1 1 7398.000 8598.000
109 1 0 1 1 1 0 1 2 1 1 7974.000 9174.000
110 0 1 1 1 1 0 1 2 1 1 7974.000 9174.000
111 1 1 0 1 0 1 1 2 1 1 7470.000 8670.000
112 1 0 1 1 0 1 1 2 1 1 7794.000 8994.000
113 0 1 1 1 0 1 1 2 1 1 7794.000 8994.000
114 1 1 1 1 0 1 1 2 1 1 8370.000 9570.000
115 1 0 0 1 1 1 1 2 1 1 7539.000 8739.000
116 0 1 0 1 1 1 1 2 1 1 7539.000 8739.000
117 1 1 0 1 1 1 1 2 1 1 8115.000 9315.000
118 0 0 1 1 1 1 1 2 1 1 7863.000 9063.000
119 1 0 1 1 1 1 1 2 1 1 8439.000 9639.000
120 0 1 1 1 1 1 1 2 1 1 8439.000 9639.000
151
P P
121 1 1 1 1 1 1 1 0 2 1 8115.000 9015.000
122 1 1 1 1 1 1 0 1 2 1 8115.000 9015.000
123 1 1 1 1 0 0 1 1 2 1 8205.000 9105.000
124 1 1 0 1 1 0 1 1 2 1 7950.000 8850.000
125 0 0 1 1 1 0 1 1 2 1 7698.000 8598.000
126 1 0 1 1 1 0 1 1 2 1 8274.000 9174.000
127 0 1 1 1 1 0 1 1 2 1 8274.000 9174.000
128 1 1 0 1 0 1 1 1 2 1 7770.000 8670.000
129 1 0 1 1 0 1 1 1 2 1 8094.000 8994.000
130 0 1 1 1 0 1 1 1 2 1 8094.000 8994.000
131 1 0 0 1 1 1 1 1 2 1 7839.000 8739.000
132 0 1 0 1 1 1 1 1 2 1 7839.000 8739.000
133 1 1 0 1 1 1 1 1 2 1 8415.000 9315.000
134 0 0 1 1 1 1 1 1 2 1 8163.000 9063.000
135 1 1 1 1 1 0 1 1 0 2 6870.000 8850.000
136 1 1 1 1 0 1 1 1 0 2 6690.000 8670.000
137 1 0 1 1 1 1 1 1 0 2 6759.000 8739.000
138 0 1 1 1 1 1 1 1 0 2 6759.000 8739.000
139 1 1 1 1 1 1 1 1 0 2 7335.000 9315.000
140 1 1 1 1 1 1 1 0 1 2 7035.000 9015.000
141 1 1 1 1 1 1 0 1 1 2 7035.000 9015.000
142 1 1 1 1 0 0 1 1 1 2 7125.000 9105.000
143 1 1 0 1 1 0 1 1 1 2 6870.000 8850.000
144 0 0 1 1 1 0 1 1 1 2 6618.000 8598.000
145 1 0 1 1 1 0 1 1 1 2 7194.000 9174.000
146 0 1 1 1 1 0 1 1 1 2 7194.000 9174.000
147 1 1 1 1 1 0 1 1 1 2 7770.000 9750.000
148 1 1 0 1 0 1 1 1 1 2 6690.000 8670.000
149 1 0 1 1 0 1 1 1 1 2 7014.000 8994.000
150 0 1 1 1 0 1 1 1 1 2 7014.000 8994.000
151 1 1 1 1 0 1 1 1 1 2 7590.000 9570.000
152 1 0 0 1 1 1 1 1 1 2 6759.000 8739.000
153 0 1 0 1 1 1 1 1 1 2 6759.000 8739.000
154 1 1 0 1 1 1 1 1 1 2 7335.000 9315.000
155 0 0 1 1 1 1 1 1 1 2 7083.000 9063.000
156 1 0 1 1 1 1 1 1 1 2 7659.000 9639.000
157 0 1 1 1 1 1 1 1 1 2 7659.000 9639.000
158 1 1 1 1 1 1 1 1 1 2 8235.000 10215.000
152
El subproblema de operación del problema de la expansión del sistema de transmisión es
un problema de programación lineal PL, al cual entran los datos del sistema, la información
de la red actual, la información de generación y demanda futura y los corredores nuevos donde
pueden ser adicionados circuitos. La salida del PL es la demanda no atendida por el plan de
expansión propuesto.
Es importante tener en cuenta que en el caso del modelo DC con generación ficticia existen
soluciones alternativas, dependiendo del nodo seleccionado como nodo de referencia, y que
cada solución produce diferentes patrones de flujos de potencia en los elementos del sistema,
sin embargo todas las soluciones presentan el mismo corte de carga global. Esta situación
ocurre si se utiliza el mismo valor de penalización por corte de carga en todos los nodos donde
puede existir racionamiento, ya que para el sistema es lo mismo racionar en un nodo que en
otro si ambos tienen el mismo costo para el sistema. En consecuencia, al resolver el modelo
DC, el único valor útil es el corte de carga, ya que los flujos de potencia por las lı́neas y el valor
de racionamiento en los nodos puede cambiar cuando se cambia el nodo de referencia o cuando
se asignan valores diferentes a los costos de racionamientos en los nodos.
Inicialmente se resuelve el problema considerando los datos del caso base del sistema IEEE
de 24 nodos, dejando libre la generación de todas las plantas (sistema con redespacho). Para este
caso se encuentra la mejor solución reportada en la literatura especializada para este problema:
v = U S152.000.000. La configuración obtenida para este caso es:
n06−10 = n10−12 = n14−16 = 1 y n07−08 = 2
A continuación se incorporan al algoritmo los escenarios extremos de generación, para esto,

dada una propuesta de inversión se resuelve el subproblema de operación presentado en (4.3)
para cada escenário extremo factible presentado en la tabla 4.1 y el corte de carga resultante
de cada caso se acumula para obtener el corte de carga global de la propuesta. Si una prop-
uesta presenta corte de carga para algún escenario de generación programado, esta solución se
descarta como alternativa de solución. La solución entonces corresponde a aquella propuesta
de inversión que presenta el menor costo y que no produce corte de carga para ninguno de
los escenários de generación extremos factibles. Para este problema se encuentra como mejor
solución una configuración con costo de inversión v = U S1.345.000.000 y corte de carga de 0
MW, correspondiente a la siguiente topologı́a:
n01−02 = 2, n01−03 = 1, n03−24 = 2, n04−09 = 1, n05−10 = 1, n06−10 = 2, n07−08 = 2,
n08−10 = 3, n10−11 = 2, n10−12 = 2, n11−13 = 1, n12−23 = 1, n14−16 = 2, n15−16 = 2,

n15−21 = 1, n15−24 = 1, n16−17 = 1, n16−19 = 1, n17−18 = 1, n20−23 = 1, n21−22 = 1,
n02−08 = 1.
El sobrecosto asociado a la eliminación total de la congestión para todos los escenários
extremos factibles de generación es excesivo (el plan que elimina totalmente la congestión es
del orden de 8.8 veces el plan básico que no considera escenarios extremos de generación) y
tiene un valor indicativo solamente debido a que está asociado a una generación y una demanda
153
futura estimadas a partir de supuestos de crecimiento, ligados a variables macroeconómicas y
técnicas afectadas por la incertidumbre. Para acercarnos un poco más a la realidad, resolvemos
de nuevo el problema considerando que la demanda y la generación máxima pueden variar un
5 por ciento por encima y por debajo del valor estipulado en la tabla de datos. Al resolver de
nuevo el problema con esta consideración de incertidumbre en la generación y la demanda, se
obtiene una solución con una inversión de v = U S983.000.000, corte de carga de 0 MW, y que
corresponde a la siguiente topologı́a:
n01−02 = 2, n03−24 = 1, n04−09 = 1, n05−10 = 1, n06−10 = 2, n07−08 = 2, n08−10 = 2,
n10−11 = 1, n10−12 = 2, n11−13 = 1, n12−23 = 1, n14−16 = 1, n15−21 = 1, n15−24 = 1,

n16−17 = 1, n17−18 = 1, n21−22 = 1, n02−08 = 1.
Esta solución es 6.6 veces la solución obtenida para el caso base sin considerar múltiples
escenarios de generación. La reducción del sobrecosto es significativa si se compara con el
porcentaje de incertidumbre considerado en la generación y en la demanda del sistema. Este
valor se aproxima más a la realidad del sistema.
Es importante observar que al introducir la incertidumbre en la generación y la demanda,
la población inicial presenta menor corte de carga para todas las propuestas. De otro lado, y
como es de esperarse, la mejor propuesta con corte de carga de 0MW para el caso de múltiples
escenarios con incertidumbre en generación y demanda, presenta corte de carga cuando se
evalúa para la demanda y la generación determı́nistica dada por la tabla 4.1. Dicho de manera
diferente, la solución que es factible bajo condiciones de incertidumbre resulta ser infactible
para algunos escenarios, cuando la demanda y la generación es determı́nistica.
A manera de ejemplo, si se elimina la condición de incertidumbre y se evalúa el corte de carga
de la la propuesta de v = 983.000.000, para el primer escenario de generación, se encuentra que
esta propuesta presentaria un corte de carga de 169.39 MW, es decir, que la incertidumbre de
±5porciento evita las inversiones que deberian realizarse para el primer escénario de generación
con el fin de eliminar el corte de carga de 169.39 MW. Si se repite este ejercicio para todos los
escenários se encuentra que en algunos de ellos, la eliminación de la incertidumbre no origina
corte de carga, como en el caso de los escenários 3,8,9,13,18,19, entre otros, mientras que para
escenários como el 7 el corte de carga puede alcanzar valores cercanos a 300 MW. Al resolver
todos los casos se encuentra un corte de carga promedio, para los 158 escénarios, de 221 MW
para los escenários de generación como consecuencia de la eliminación de la incertidumbre.
154
Bibliography
[1] Aarts E., Korst J.: “Simulated Annealing and Boltzmann Machines”, John Wiley &
Sons, 1989.
[2] Back T.: “Evolutionary Algorithm in Theory and Practice”, Oxford University Press,
1996.
[3] Balas E.: “An Additive Algorithm for Solving Lineal Programs with Zero-One Variables”,
Operations Research 13(4), 517-546, 1965.
[4] Baldwin C.J., De Salvo C.A., Hoffman C.H., Ku W.S.: “A Model for Transmission
Planning by Logic”, AIEE Transactions PAS, Vol. 79, pp 1638-1645, February 1960.
[5] Bazaraa: “Lineal Programming and Network Flows”, Jhon Wiley and Sons, 1983.
[6] Bénichou M., Gauthier J.M., Girodet P., Hentges G., Ribiere G., Vincent O.: “Experi-
ments in Mixed-Integer Lineal Programming”, Mathematical Programming 1, pp 76-94,
1971.
[7] Binato S.: “Expansión ’Otima de Sistemas de Transmisión Através de Decomposición de

Benders y Técnicas de Planos Cortantes”, Tese de doutorado, UFRJ, abril de 2000.
[8] Contreras J., Wu F.F.: “Coalition Formation in Transmission Expansion Planning”,

IEEE Transactions on Power Systems, Vol. 14, No. 3, pp. 1144-1152, August, 1999.
[9] Dechamps C., Jamoulle A.: “Interactive Computer Program for Planning the Expansion
of Meshed Transmission Networks”, International Journal of Electrical Power and Energy
Systems, Vol. 2, No. 2, pp 103-108, April, 1980.
[10] De la Torre T., Feltes J.W., San Roman T.G., Merrill H.M.: “Deregulation, Privatiza-
tion and Competition: Transmission Planning Under Uncertainty”, IEEE Transactions
on Power Systems, Vol. 14, No. 2, pp. 460-465, May, 1999.
[11] Diaz A., Glover F., Ghaziri H.M., Gonzalez J.L., Laguna M., Moscato P., Tseng F.T.:
“Optimizaci’on Heurı́stica y Redes Neuronales”, Editorial Paraninfo, Madrid, 1996.
[12] Drexl A.: “A Simulated Annealing Approach to the Multiconstraint Zero-One Knapsack
Problem”, Computing 40, pp. 1-8, 1988.
155
[13] Eckstein J.: “Parallel Branch and Bound Algorithm for General Mixed Integer Program-
ming on the CM-5”, SIAM Journal on Optimization, Vol. 4, No. 4, pp 794-814., 1994.
[14] Finney J.D., Othman M.A., Rutz W.L.: “Evaluating Transmission Congestion Con-
straints in System Planning”, IEEE Transactions on Power Systems, Vol. 12, No. 3,
pp. 1143-1148, August, 1997.
[15] Fischl R.: “Optimal System Expansion Planning: La Critical Overview”, ERDA & EPRI
Conf., Henniker, 1975.
[16] Gallego R.A., Alves A.B., Monticelli A., Romero R.: “Parallel Simulated Annealing
Applied to Long Term Transmission Network Expansion Planning”, IEEE Transactions
on Power Systems, Vol. 12, No. 1, pp. 181-188, February 1997.
[17] Gallego R.A.: “Planeamiento la Largo Plazo de Sistemas de Transmisión Usando Técnicas
de Otimización Combinatorial”, Tese de Doutorado, UNICAMP, 1997.
[18] Gallego R.A., Monticelli A., Romero R.: “Comparative Studies of Non-Convex Opti-
mization Methods for Transmision Network Expansion Planning”, IEEE Transactions on
Power Systems, Vol. 13, No. 2, May, 1998.
[19] Gallego R.A., Monticelli A., Romero R.: “ Transmission System Expansion Planning by
Extended Genetic Algorithm”, IEE Proceedings - Generation, Transmission and Distri-
bution, 145(3):329-335, May, 1998.
[20] Gallego R.A., Monticelli A., Romero R.: “Tabu Search Algorithm for Network Synthesis”,
IEEE Transactions on Power Systems, Vol. 15, No. 2, May, 2000.
[21] Garfinkel R.S, Nenhauser G.L.: “Integer Programming”, Jhon Wiley and Sons, 1972.
[22] Garver L.L.: “Transmission Network Estimation Using Lineal Programming”, IEEE
Trans. Power App. Syst., Vol. PAS-89, pp. 1688-1697, September-October, 1970.
[23] Gauthier J.M., Ribiere G.: “Experiments in Mixed-Integer Lineal Programming Using
Pseudo-Costs”, Mathematical Programming 12, pp 26-47, 1977.
[24] Gedra T.W.: “On Transmission Congestion and Pricing”, IEEE Transactions on Power
Systems, Vol. 14, No. 1, pp. 241-248, February, 1999.
[25] Fogel D.B.: “Evolutionary Computation”, IEEE Press, 1998.
[26] Geoffrion A.M.: “Integer Programming by Implicit Enumeration and Balas’ Method”,
SIAM Review, Vol.9, No.2, April, 1967.
[27] Geoffrion A.M.: “An Improved Implicit Enumeration Approach for Integer Program-
ming”, Operations Research 17, pp 437-454, 1969.
[28] Geoffrion A.:“Generalized Benders Decomposition”; Journal of Optimization Theory and

Applications, Vol. 10, 1972.
156
[29] Geoffrion A.M., Marsten R.E.:“Integer Programming Algorithms: La Framework and
State-of-the-Art Survey”; Management Science, Vol 18, No. 9, pp 465-491.
[30] Glover F., Zionts S.: “A Note on the Additive Algorithm of Balas”, Operations Research
13(4), 546-549, 1965.
[31] Glover F.: “Tabu Search: Part I”, ORSA Journal on Computing, Vol. 1, pp 190-206,
1989.
[32] Glover F.: “Tabu Search: Part II”, ORSA Journal on Computing, Vol. 2, pp 4-32, 1990.
[33] Glover F., Laguna M.: “Tabu Search”, Modern Heuristic Techniques for Combinatorial
Problems, C. Reeves, Ed. Blackwell Scientific Publishing, pp 70-141, 1993.
[34] Glover F., Kelly J.P., Laguna M.: “Genetic Algorithms and Tabu Search: Hybrids for
Optimization”, Computers and Optimization Research, Vol. 11 , No. 1, 1995.
[35] Glover F.: “Tabu Search Fundamental and Uses”, Graduate School of Business, Univer-
sity of Colorado, 1995.
[36] Glover F., Laguna M.: “Tabu Search”, Kluwer Academic Publishers, 1996.
[37] Goldberg D.E.: “Genetics Algorithms in Search, Optimization and Machine Learning”,
Addison Wesley, Reading, Mass., 1989.
[38] Gonzaga C.C.: “Estudos de Algoritmos de Busca en Grafos y su Aplicación a Problemas
de Planeamiento El Planeamiento”, Tese de Doutorado, UFRJ, 1973.
[39] Granville S., Pereira M.V.F.: “Analysis of the Linealized Power Flow Model in Benders
Decomposition”, EPRI-Report RP 2473-6, Stanford University, February 1985.
[40] Green R.: “Competition in Generation: The Economic Foundations”, Proceedings of the
IEEE, Vol. 88, No. 2, pp 128139, February 2000.
[41] Haffner S., Monticelli A., Garcia A., Mantovani J., Romero R.: “Branch and Bound
Algorithm for Transmission System Expansion Planning Using la Transportation Model”,
IEE Proceedings - Generation, Transmission and Distribution, Vol. 147(3), pp 149-156,
May 2000.
[42] Haffner S.L.: “El Planeamiento de la Expansión de los Sistemas El’etricos no Contexto
de un Ambiente Competitivo”, Tese de Doutorado, FEEC-UNICAMP, julho de 2000.
[43] Hancock P.J.B.: “Selection Methods for Evolutionary Algorithms: New Frontiers”, Vol.
II, Ed. by Lance Chambers, CRC Press, 1995.
[44] Kazarlis S.A., Bakirtzis A.G., Petridis V.: “Optimization by Simulated Annealing”,
Science 220, pp 671-680, 1983.
[45] Kirkpatrick S., Gelatt Jr. C.D., Vecchi M.P.: “A Genetic Algorithm Solution to the Unit
Commitment Problem”, IEEE Transactions on Power Systems, Vol. 11, No. 1, February
1996.
157
[46] Kuo C.C., Chang H.C.: “Applying la Refined Genetic Algorithm to Network Reconfigu-
ration for Loss Reduction”, IEE of Japan Power & Energy, 1994.
[47] Lasdon L.: “Optimization Theory for Large Systems”, New York, Mac Millan,1970.
[48] Latorre-Bayona G., Ramos A., Perez-Arriaga J.I., Alonso J.F., Saiz A.: “PERLA: Un
Modelo de Planificaci’on Estática la Largo Plazo de la Red de Transporte: Opciones de
Modelado y Análisis de Idoneidad”, II Jornadas Hispano-Lusos de Ingenieria El’ectrica,
Coimbra, Portugal, 1991.
[49] Latorre-Bayona G., Perez-Arriaga J.I.: “CHOPIN, La Heuristic Model for Long Term
Transmision Expansion Planning”, IEEE Transactions on Power Systems, Vol. 9, No. 4,
November 1994.
[50] Levi V.A., Calovic M.S.: “A New Decomposition Based Method for Optimal Expansion
Planning of Large Transmission Networks”, IEEE Transactions on Power Systems, Vol.
6, No. 3, pp 937-943, 0ctober, 1991.
[51] Levi V.A.: “A New Branch and Bound Model for Optimal Expansion Planning of Trans-
mission Network Investments”, Engineering Optimization, Vol. 26, No. 4, pp 251-270,
1996.
[52] Lima J.W.M., De Oliveira E.J.: “The Long-Term Impact on Transmission Pricing”,
IEEE Transactions on Power Systems, Vol. 13, No. 4, pp. 1514-1520, November, 1998.
[53] Linderoth J.T., Savelsbergh M.W.P.: “A Computational Study of Search Strategies for
Mixed Integer Programming”, INFORMS Journal on Computing, pp 173-187, 1999.
[54] Michalewicz Z.: “Genetic Algorithms + Data Strutures = Evolution Programs”, Artificial
Intelligence, Springer, Berlin, 1996.
[55] Mitchell M.: “Introduction to Genetics Algorithms”, Editorial Cambridge MIT Press,
1996.
[56] Monticelli A.: “Expansión de Sistemas El’etricos de Potencia: Un Algoritmo para el

Planeamiento del Sistema de Transmisión”, Tese de Doutorado, UNICAMP, 1975.
[57] Monticelli A.: “Planeamiento de Redes de Transmisión de Energı́a El’etrica”, Relat’orio

En el 2 CEPEL/UNICAMP, 1980.
[58] Monticelli A.: “Métodos de Análise y Sı́ntese Aplicados al Planeamiento la Largo Plazo
de Sistemas de Transmisión de Energı́a El’etrica”, Relat’orio En el 1 CEPEL/UNICAMP,
1979.
[59] Monticelli A.: “Planeamiento de Redes de Transmisión de Energı́a El’etrica”, Relat’orio

En el 2 CEPEL/UNICAMP, 1980.
[60] Monticelli A., Santos Jr. A., Pereira M.V.F., Cunha S.H., Parker B.J., Pra,ca J.C.G.:
“Interactive Transmission Network Planning Using la Least-Effort Criterion”, IEEE
Trans. Power App. Systems, Vol. PAS-101, No. 10, 0ctober, 1982.
158
[61] Monticelli A.: “Flujo de Carga en Redes de Energı́a El’etrica, Editora Edgar Bucher
Ltda, 1983.
[62] Murthy K.: “Lineal Programming”, Jhon Wiley and Sons, 1983.
[63] Oliveira G.C., Costa A.P.C., Binato S.: “Large Scale Transmision Network Planning
Using Optimization and Heuristic Techniques”, IEEE Transactions on Power Systems,
Vol. 10, No. 4, pp 1828-1834, November 1995.
[64] Pereira M.V.F.:“Aplicación de Análise de Sensibilidad no Planeamiento de la Expansión

de Sistemas de Generación/Transmisión”, Tese de Doutorado, COPPE-UFRJ, 1985.
[65] Pereira M.V.F., Pinto L.M.V.G.: “Application of Sensitivity Analysis of Load Supplying
Capability to Interactive Transmission Expansion Planning”, IEEE Transaction on Power
Apparatus and Systems, Vol. PAS-104, No. 2, pp 381-389, February, 1985.
[66] Pereira M.V.F., Pinto L.M.V.G., Cunha S.H.F., Oliveira G.C.: “A Decomposition Ap-
proach to automated generation-transmission expansion Planning”; IEEE Transactions
on PAS, Vol. PAS - 104, No. 11, November, 1985.
[67] Pereira M.V.F., Pinto L.M.V.G., Oliveira G.C., Cunha S.H.F.: “Composite Generation
Transmission Expansion Planning”; EPRI Research Project 2473-9, EL-5179, 1987.
[68] Rawlins G.J.E.: “Foundations of Genetic Algorithms”, Morgan Kaufmann Publishers,

1991.
[69] Romero R.: “Un método de Decomposición para el Planeamiento la Largo Plazo de
Sistemas de Transmisión”, Tese de Doutorado, UNICAMP, 1993.
[70] Romero R., Monticelli A.: “A Hierarchical Decomposition Approach for Transmission
Network Expansion Planning”, IEEE Transactions on Power Systems, Vol. 9, No. 1, pp.
373-380, February 1994.
[71] Romero R., Monticelli A.: “A Zero-One Implicit Enumeration Method for Optimizing
Investments in Transmission Expansion Planning”, IEEE Transactions on Power Systems,
Vol. 9, No. 3, pp. 1385-1391, August 1994.
[72] Romero R., Gallego R.A., Monticelli A.: “Transmission System Expansion Planning by
Simulated Annealing”, IEEE Transactions on Power Systems, Vol. 11, No. 1, pp. 364-369,
February 1996.
[73] Rudnick H., Palma R., Cura E., Silva C.: “Economically Adapted Transmission Systems
in Open Access Schemes – Application of Genetic Algorithms”, IEEE Transactions on
Power Systems, Vol. 11, No. 3, pp 1427-1440, 1996.
[74] Salkin H.M., Kamlesh M.: “Foundations of Integer Programming ”, North-Holland, New
York,1989.
[75] Santos Jr. A.:“Sı́ntese Conceitual Estática de Redes de Transmisión”, Tese de Mestrado,
UNICAMP, 1981.
159
[76] Seifu A., Salon S., List G.: “Optimization of Transmission Line Planning Including
Security Constraints”, IEEE Transactions on Power Systems, Vol. 4, pp 1507-1513, 1989.
[77] Sharifnia A., Aashtiani M.H.: “Transmission Network Planning: La Method for Synthesis
of Minimun Cost Secure Networks”, IEEE Transactions on PAS, Vol. PAS - 104, No. 8,
August, 1985.
[78] Srinivas M., Patnaik L.M.: “Genetic Algorithms”, IEEE Computer, 1994.
[79] Stott B., Mariño J.L.: “Lineal Programming for Power System Network Security Appli-
cations”, IEEE Transactions on PAS, Vol. PAS - 98, No. 3, May-June, 1979.
[80] Taha H.: “Integer Programming ”, Academic Press, New York,1975.
[81] Teive R.C.G., Silva E.L., Fonseca L.G.S.: “A Cooperative Expert System for Trans-
mission Expansion Planning of Electrical Power System”, IEEE Transactions on Power
Systems, Vol. 13, No. 2, pp. 636-642, May, 1998.
[82] Tuan N.: “A Flexible Tree-Search Method for Integer Programming Problems”, Opera-
tions Research 19(1), 115-119, 1971.
[83] Villasana R., Garver L.L., Salon S.J.: “Transmission Network Planning Using Lineal
Programming”, IEEE Trans. Power App. Systems, Vol. PAS-104, No. 2, February 1985.
[84] Van Laarhoven P.J.M., Aarts E.H.: “Simulated Annealing: Theory and Applications”,
D. Reidel Publishing Company, Holand, 1987.
[85] Whitley: “Foundations of Genetic Algorithms”, Vol. 2, Morgan Kaufmann Publishers,

1993.
[86] Wong K.P., Wong Y.W.: “Combined Genetic Algorithms/Simulated Annealing/Fuzzy

Set Approach to Short-Term Generation Scheduling with Take-or-Pay Fuel Contract”,
IEEE Transactions on Power Systems, Vol. 11, No. 1, February 1996.
[87] Youssef H.K., Hackam R.: “New Transmission Planning Model”, IEEE Transactions on
Power Systems, Vol. 4, No. 1, pp. 9-18, February, 1989.
160
Apéndice A
Datos de los sistemas de prueba
• Sistema Garver de 6 barras

• Sistema sur brasilero de 46 barras
• Sistema Norte-nordeste brasilero de
87 barras
• Sistema colombiano de 93 barras
• Sistema IEEE de 24 barras

! ! " # "
$ " "
%
%
%
%
% &
%
& %
%
' %
% ' '
%
%
% &
%
% &

&

&
&
'

'

& '

&

' & &&
'

'

&

'
&
&

'

&

'
&

'
&

'

&'

&'
&
& ''

! ! " #
"
$ " "
%& & '

% & &&
%' ' & &
%' & & &&
% & &
&% &
& % &
% &
' % &'
'% & &
% & &
% '
% &
% & & &
% ''& &
'% &
& % & &
&% ' &
' % '
% & &
% &' & '
% ' &
% && &
%& &
% &
% '''

! ! " #
"
$ " "
& % &

&% ' & &
' &% &
%& & & &
% ' & '
% '
&%' & '
&% & '
&%
'% '
& % ' &
% '& &
' % ' '&
% & &'
% '
'% '
% '
% '
% ' &
% &
& % &
% & '
' % & &
% '
% &
% ' & &

! ! " #
"
$ " "
%

% '
%
%
& &% & &
'% &&
' % &
% ' & '
% &
% & '
%
&%' '' & &
%' & '
% ' '
& % &
% &
' % ' '&
& % ' &
& % ''
& % &
& % &
& % &
& '% &
& % &
&& % &
& % &
&' '% &

()

()

* + , " - , "

& &&

&

&

'

&
'

&

'

&
'

'
&
&
& &
' &
' &

' &

&

& '

' '
&
&
'

'

'&
&
&
' &&&
' &
'
&&

&

'

&

' ' '
&
&
&
&
&
&
&
&&
&
&'

& &

&

! ! " #
"
$ " "
% &

%
%
%& ' '
%& & '
% '
& %
%&
' %
% &
% &
% &&
% &
%' &
%
%&
& % '
% & '
' % '
% &
%
%
%&
%
%&
%& &
& %&
% & '
' %& &
%&
&% '
&%
&%
%'
% ' &
% & & &

! ! " #
"
$ " "
& % '

% '
' %&
'% &
% &'
% &
% '&
% & &
%
% &
& % '
% &
' % & '
%
% & '
% &&
% & &
% '
%' &
% & &
& % &
%' & &
' % '& &
% '
% & '
% '
% & '
% &
% &
%&&
& &% & &
&%' & &
' % & '
& %' &
& %&
& '% ' &

! ! " # "
$ " "
& '% && &

& % & '
& % &
& %
&& % & '
& % &
&' %& & '
% & '
%& & '
% &
% & ''
% & &
% &
% & '
& % ' &
% & '
' %&
' %& & &
' %' & &
' % & '
' &% &
' &% &
' &% & '
' % & & ''
'& '% &
' % ' &
'' % &
% &
% ' &
%& &
%' & &
%' '
% '' &
% & & &
& %& & &
% & '
' %' ' & &

! ! " # "
$ " "
% ' &

'% '& &
'% &
% & '
% & &
% &
% ' &
& % &
%
' %
% & &
&% ' &
%' && & '
% & '
% & &
'% &
% & &'
& %' & '
% &
' %& &
%&
% ' &
%
% '
%
%&
%&'
& %&
%&
' % &
%& &&
%
% &
% '
%&
% &
%&

! ! " # "
$ " "
& % '

% &
' %& &
&% '
&%' '
&%&
%' '
%
%&
'%& '
& &%
& %&
' & %&
& % &
&%&
&% '
&%& '
&%& '
&% ' &
&%
& &%&
&%
' &%
& &%
& &%&& '
& &%
& &% ' &'
& &&%&' &
& &&% &
& &%&' ' &
&& &%
& &'% '
&' % &&
%
% '
%
%

!""

' ' . .

'
' ' &

'

& &
' &
' ''
&
& '
& & &
& &

&& & &
' '
& '&

' ' ' '
&
& &&
&' &
&

& & &
& '&
'
' ' '
& & ''
' ' & ' '
&
&
&& '&
&

' ' . .
&'

& & &
'&
' '

&
& '
'
&
'
&
&
&& & '
' '&
&
' '

& ' '
&' '

& '
' ' '
'
'

' ' ' &&

'&

& & & & '&'

' & '
&
& ' &
&

' ' . .
&

&
&
&
&& &
& &
&' ' &
&

&

'
'
'
'
'

! ! " #
"
$ " "
% '

% '
&% '
&% '&'
&%' &
&%' &
& &%'
&'%
' %& '
'% '
% '&&
%' '
% '
% &
% &&
%
& %
% '&&
' %
%'
% & '&
'% '&
% &'&
% & '
% '
%& '
& %
&% '&
' '% '
%
&% '
%
%& '
%&
% &
&% &
& % &
% &'&

! ! " # "
$ " "
' %' &

&% &&
% &&
%
% '
%
%& '&
&%&
& % &&
% ' &&
' %&
%&
&%
%
%&
'%&& &
&&%&' &
%'
& '%& &
%'
' %
%& &
% '
% &'
&% &
% ' &
'% '
% &&
& % &
% '&
' %
& '%&
& %' & &
& '%' &&
& %' ' &&
& % &
& % '&&
& % ' &
&& % '

! ! " # "
$ " "
& % '

&' %
%
% ' '
%& &
&%
&%' '
% &
% '&
& % & &&
% &&
' %
' '% & &
' % &
' % &&
' &% ' '&
' &%& '
' % & &&
' %& &
'& % &
' % &
'' % '
'% &
&% &&&
&%
&% '
%& & ' &
&%'
'% '&
& &%& &
% & &
' '%
% & '
%& &
%
%& &&
% '&&
% &
&% & &
& '%

! ! " # "
$ " "
%' '&

' &'%& &&
%& &
'%
%
% &
% '
% '&
%' &&&
& % &
%&
' '% &
%& &&
%
% ' &
%& & &
'%
% &
% &
& %& &
% &
' % &
&%& &
'% &
% &&'
% ''
% &
% & ''
'% '
& % &
&%' &
' %' '
'%' &
%' '
%' &
%' &
'%'
' %' &
81
49 53 46
48 63
45
47 52 51
50 54
56
88
57 84 43
42
55
12 17 37 40 41
15 86 68
24
76 61 39
21 18 58
75 38
20 19
23 22
82
16 62 66
13
14 60 67
32 69
31 34 70
33
73
72 9 8 59
85 77 79
30 4 2 83
65
74
36
64 5 87
29
71 93
25 89 1
27 6 78
35 10 3
7
90
28 91
26 80
11
44 92

A.5 Sistema Eléctrico IEEE de 24 barras
Niveles de Generación y Carga
Generación Carga
Barra (MW) (MW)
1 576 324
2 576 291
3 0 540
4 0 222
5 0 213
6 0 408
7 900 375
8 0 513
9 0 525
10 0 585
11 0 0
12 0 0
13 1773 795
14 0 582
15 645 951
16 465 300
17 0 0
18 1200 999
19 0 543
20 0 384
21 1200 0
22 900 0
23 1980 0
24 0 0
Características de las Líneas – Sistema IEEE 24 barras.
Líneas Reactancia Capacidad Costo # max
6
Ni nf existentes (p.u) (MW) US$10 De circuitos
1 2 1 0.0139 175 3 5
1 3 1 0.2112 175 55 5
1 5 1 0.0845 175 22 5
2 4 1 0.1267 175 33 5
2 6 1 0.1920 175 50 5
3 9 1 0.1190 175 31 5
3 24 1 0.0839 400 50 5
4 9 1 0.1037 175 27 5
5 10 1 0.0883 175 23 5
6 10 1 0.0605 175 16 5
7 8 1 0.0614 175 16 5
8 9 1 0.1651 175 43 5
8 10 1 0.1651 175 43 5
9 11 1 0.0839 400 50 5
9 12 1 0.0839 400 50 5
10 11 1 0.0839 400 50 5
10 12 1 0.0839 400 50 5
11 13 1 0.0476 500 66 5
11 14 1 0.0418 500 58 5
12 13 1 0.0476 500 66 5
12 23 1 0.0966 500 134 5
13 23 1 0.0865 500 120 5
14 16 1 0.0389 500 54 5
15 16 1 0.0173 500 24 5
15 21 2 0.0490 500 68 5
15 24 1 0.0519 500 72 5
16 17 1 0.0259 500 36 5
16 19 1 0.0231 500 32 5
17 18 1 0.0144 500 20 5
17 22 1 0.1053 500 146 5
18 21 2 0.0259 500 36 5
19 20 2 0.0396 500 55 5
20 23 2 0.0216 500 30 5
21 22 1 0.0678 500 94 5
1 8 0 0.1344 500 35 5
2 8 0 0.1267 500 33 5
6 7 0 0.1920 500 50 5
13 14 0 0.0447 500 62 5
14 23 0 0.0620 500 86 5
16 23 0 0.0822 500 114 5
19 23 0 0.0606 500 84 5
Figura 5. Sistema IEEE de 24 barras

Libro Plane Amien To

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Libro Plane Amien To

Încărcat de

Drepturi de autor:

Formate disponibile

PLANEAMIENTO DE LA

RAMÓN ALFONSO GALLEGO RENDÓN

RUBÉN AUGUSTO ROMERO LAZARO

GRUPO DE PLANEAMIENTO EN SISTEMAS ELÉCTRICOS (GP)

El problema de planeamiento de sistemas de transmisión de largo plazo es un problema

−fkm − fkn − . . . + gk − dk = 0 (1)

En algunos libros de sistemas de potencia la convención asumida es exactamente al contrario,

Figura 1.1: Convención de flujos de potencia.

EL PLANEAMIENTO Y LA FUNCIÓN DEL

El planeamiento de sistemas, dentro de las sociedades modernas, esta soportado conceptual-

Un adecuado proceso de planeamiento presenta una secuencia de estudios a través de los

1.1 El Entorno de Planeamiento

1.1.1 Disponibilidad de información del sistema de transmisión y de

1.1.2 Disponibilidad de información de costos de inversión, de ope-

1.1.3 Tamaño de la demanda actual

La estimación de la demanda en cada nodo se obtiene distribuyendo la demanda total del

1.1.4 Definición del tipo de planeamiento: centralizado o descen-

En un ambiente centralizado, una organización gubernamental se ocupa de la toma de decisiones

1.1.5 Definición del esquema de mercado de electricidad

1.1.6 Definición de los objetivos técnicos y económicos

La definición de planeamiento está estrechamente relacionada con la de los objetivos que se

satisfacción total de la demanda. En este caso, el planeamiento se encarga de determinar y

1.1.7 Medidas de desempeño que califican la operación actual y fu-

Los criterios de planeamiento se valoran a través de un conjunto de medidas de desempeño,

1.1.8 Manejo del riesgo y de la incertidumbre

La actividad de planeamiento siempre ha tenido una incertidumbre y en consecuencia un riesgo

1.1.9 Metodologı́a de pronóstico de la demanda futura

el comportamiento de los consumidores. El consumo de energı́a responde a las necesidades de

1.1.10 localización y magnitud de los nuevos puntos de generación

En el proceso de planeamiento de la transmisión se asume que se conocen con anticipación

de estos no es conocido con antelación porque dependen de la hidrologı́a, de la disponibilidad

1.1.11 Alternativas técnicas y tecnológicas

Estas afectan el proceso de planeamiento debido a que brindan alternativas atractivas en el

1.1.12 Normas y regulaciones legales que afectan las decisiones

1.1.13 Metodológias, herramientas de análisis y modelos matemáticos

MODELAMIENTO DEL PROBLEMA DE

La solución de todo el problema de optimización en ingenierı́a comprende la implementación de

2.1 Modelo de Transportes

2.1.1 Modelo Matemático

Usando el modelo de transportes, el modelamiento matemático del problema de planeamiento

en donde v es la inversión debido a adiciones de circuitos en el sistema, cij es el costo de un

2.1.2 Ejemplo 2.1: Sistema de 3 Barras

La figura 2.1 es usada para presentar el modelo de transportes de un sistema de 3 barras y 3

Figura 2.1: Sistema inicial de 3 barras.

La restricción sobre capacidad de generación produce la siguiente restricción:

min v = 3n12 + 2n13 + 2n23 (2.3)

el problema (2.3) asume una forma equivalente al problema (2.2).

2.1.3 Ejemplo 2.2: Sistema de 3 Barras Modificado

Figura 2.2: Sistema de 3 barras modificado.

min v = 3n12 + 2n13 + 2n23 (2.4)

2.1.4 Ejemplo 2.3: Caso Especial - Sistema de 3 Barras Completa-

En la figura 2.3, se presenta el sistema de 3 barras completamente aislado en el cual no existen

Figura 2.3: Sistema de 3 barras aislado.

min v = 3n12 + 2n13 + 2n23 (2.5)

2.2 Modelo Hı́brido No Lineal

heurı́stico propuesto. De otro lado, en [87] aparece la primera propuesta de modelamiento

2.2.1 Modelo Matemático

La formulación matemática del modelo hı́brido asume la siguiente forma:

en donde γijo es la susceptancia equivalente a los circuitos existentes en el camino i − j

en la configuración base, Ω2 representa el conjunto de circuitos correspondientes a los nuevos

2.2.2 Ejemplo 2.4: Equivalencia entre las dos formulaciones matemáticas

Usando la primera formulación, las principales relaciones matemáticas asumen la siguiente

1. Ecuaciones de la primera ley de Kirchhoff:

Barra 3: f13 + f23 = 0, 20