1.IntroduccionOptConvNoConv MSEP OPTSEP

OPTIMIZACIÓN DE
SISTEMAS ELÉCTRICOS
• Catedrático: Prof. Arturo Geovanny Peralta Sevilla. PhD.

• Doctor en Ingeniería
• Grupo de investigación GITEL
• E–mail: aperaltas@ups.edu.ec
1
UNIDAD 1: Introducción a la optimización convexa y no convexa
AGENDA:
✓ Concepto de Investigación de Operaciones.
✓ Habilidades para el análisis.
✓ Introducción a Optimización.
✓ Casos de estudio de Optimización
✓ Métodos de Solución.
✓ Estructura de Problemas de Programación Lineal y No Lineal.
✓ Ejemplos de problemas de Programación Lineal.
OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 2

Prof. Arturo Peralta Sevilla. PhD.
CONCEPTO DE INVESTIGACIÓN DE OPERACIONES

Aplicación de métodos analíticos científicos avanzados
para mejorar la efectividad en las operaciones, decisiones
planificación y gestión de una empresa:
✓ Diseño y mejoras en operaciones y toma de decisiones.

✓ Resolución de problemas y soporte en las funciones de:
gestión, planificación o previsión.
✓ Proporcionar conocimientos y apoyo en la toma de
decisiones.

Tareas a realizar:
➢ Recolectar y analizar datos.
➢ Desarrollar y probar modelos matemáticos.
➢ Proponer soluciones (algoritmos) y recomendaciones.
➢ Interpretar la información.
➢ Ayudar a implementar acciones de mejora.

Resultados obtenidos:
➢ Aplicaciones informáticas.
➢ Propuesta de sistemas.
➢ Implementación de servicios o productos.

A corto plazo:
➢ Tomar lo mejor de la ciencia, que esté a disposición.
➢ Modelos que apoyen en la toma de decisiones.
➢ Aplicación de métodos analíticos avanzados.


Campos de Análisis:

HABILIDADES PARA EL ANÁLISIS
➢ Delimitar el problema y llegar a una solución factible.
➢ Preparación de datos.
➢ Presentación de datos.
➢ Control de operaciones.
➢ Estadística, probabilidad, previsión.
➢ Optimización, simulación, análisis de flujos, análisis de decisiones.
➢ Permitir que las organizaciones actúen inteligentemente.

➢ Delimitar el problema y llegar a una solución factible:
✓ Comprender los problemas comerciales y las preocupaciones
empresariales / organizacionales, mediante procesos de modelado
formal que abordan el propósito, el entorno, las capacidades y procesos
de extremo a extremo. Esto permite a un analista comprender el dominio
para enmarcar y delimitar problemas e identificar soluciones.
✓ Enmarcar, delimitar y estructurar los problemas en términos de
objetivos, restricciones, riesgos y propuestas de acción, para establecer
el escenario y con ello obtener resultados significativos. La selección
efectiva de una formulación adecuada del problema configura la solución
para alinearse con la estructura organizativa, los sistemas e incluso
disposiciones culturales y de ordenanza. Las estructuras de problemas
deficientemente formulados a menudo conducen a callejones sin salida
durante el análisis o la ejecución.

➢ Permitir que las organizaciones actúen inteligentemente:
✓ Diseñar y gestionar carteras de métricas que impulsen mejoras en el
rendimiento total del sistema: Esto aborda el problema de averiguar qué
métricas son importantes y cómo establecer objetivos y umbrales que
respondan a las necesidades del negocio.
✓ Impulsar la toma de decisiones a partir del análisis: Ayudar a los
responsables que toman las decisiones a utilizar los análisis basados en
datos de manera efectiva, a menudo en combinación con métodos intuitivos
o anecdóticos.
✓ Diseño y operación de equipos de análisis y organizaciones, en el contexto de
las funciones empresariales y TIC’s.

INTRODUCCIÓN A OPTIMIZACIÓN
➢ Optimization is everywhere.
✓ What was the first optimization

problem you have solved
today before coming here?

➢ Shortest path problem.

✓ Herramientas que pueden usarse para respaldar decisiones en los
siguientes paradigmas:
▪ Gestión de operaciones.
▪ Gestión de finanzas.
▪ Gestión de marketing.
✓ Cómo estas técnicas pueden aplicarse a las decisiones de negocios:
▪ Gestión y control de inventario.
▪ Planeación de redes.
▪ Logística de combustible.
▪ Programación de operación y mantenimiento.
▪ Previsión de demanda eléctrica, precios, generación
alternativa, etc.
▪ Licitación del mercado.
▪ Equilibrio del mercado.

➢ ¿Por qué es importante utilizar técnicas analíticas para
la toma de decisiones?
✓ Entornos de difícil decisión

▪ Tomar decisiones en un mundo complejo requiere el
uso de técnicas analíticas.
✓ Impacto económico
▪ Enorme relevancia económica en la decisión.
▪ Una pequeña mejora por cualquier toma de
decisiones acertada, tendrá un gran impacto en las
ganancias, operaciones o procesos de la empresa.


CASOS DE ESTUDIO DE OPTIMIZACIÓN
✓ Logística
✓ Industria del transporte
✓ Transporte aéreo
✓ Transporte espacial
✓ Servicio de correo
✓ Servicio de suministro de agua
✓ Producción
✓ Industria energética
✓ Industria eléctrica
✓ Industria del sistema de salud
✓ Gestión de proyectos
✓ Enseñanza
✓ Redes de servicios públicos

SOME OPTIMIZATION PROBLEMS IN POWER SYSTEM STUDIES

MÉTODOS DE SOLUCIÓN
➢ Classical methods:
✓ Linear programming (LP)
✓ Mixed integer linear programming (MILP)
✓ Quadratic Programming (QP)
✓ Non Linear Programming (NLP)
✓ Stochastic Programming (SP)
✓ Dynamic Programming (DP)
✓ Graph Theory or Network Optimization
✓ Network flow (NF)
➢ Metaheuristic methods:
✓ Evolutionary algorithms (genetic, memetic, scatter search)
✓ Heuristic (simulated annealing, tabu search)
✓ Bio-inspired (genetic algorithm,ant colonies, particle swarm)

➢ Classical methods:
✓ Look for the optimum “locally”.
✓ Guarantee the numerical optimum.
✓ Allow a high number of constraints.
➢ Metaheuristic methods:
✓ Imitate simple phenomena found in nature.
✓ “GLOBAL”, they have specific mechanisms to avoid local optimal.
✓ Explore a huge number of solutions in very short time.
✓ Mainly applied to combinatorial or non differentiable problems.
✓ Do NOT guarantee the optimum. Allow getting multiple suboptimal.
✓ Require a tuning process of the parameter choice.

➢ Optimization methods in power system studies:

➢ Stages in model development:

ESTRUCTURA DE PROBLEMAS DE PROGRAMACIÓN LINEAL Y NO LINEAL
➢ Simplex primal and dual methods.
➢ Interior point method.

Forma general de un problema

NLP (Non Linear Program)
• Acotada
• No acotada
• Restringida
• No restringida
• Linealmente restringida
• Solución factible
• Óptimos: local y global

Forma general de un problema

NLP (Non Linear Program)
• Acotada
• No acotada
• Restringida
• No restringida REGIÓN
• Linealmente restringida
• Solución factible
CONVEXA
• Óptimos: local y global

s. t. :
REGIÓN
CONVEXA

Mínimo local debido a la función Mínimo local debido región de factibilidad
REGIÓN
NO
CONVEXA

Optimización convexa
Concepto de convexidad
✓ Conjunto convexo

Optimización convexa
Concepto de convexidad
✓ Conjunto convexo
Una función convexa no tiene valores

mayores a los valores de la función
obtenidos por la interpolación lineal
entre x1 y x2

EJEMPLOS DE PROBLEMAS DE PROGRAMACIÓN LINEAL – 1ro

EJEMPLOS DE PROBLEMAS DE PROGRAMACIÓN LINEAL – 2do
La compañía de pinturas Manchita produce tres tipos
de pintura adicionando a una pintura base cuatro
productos o aditivos químicos (Q1 a Q4). Se tiene
abundante pintura base disponible y cuyo costo ya
fue cubierto. La compañía desea determinar la
cantidad de toneladas de cada tipo de pintura que
debe producir de manera que maximice la ganancia
total. Las únicas restricciones se deben a la
disponibilidad de los aditivos químicos requeridos.
Las ganancias obtenidas por las toneladas de pintura
producida aparecen en la tabla siguiente.

Tabla

Construcción del Modelo: variables de decisión
En la metodología de solución a los problemas de investigación de
operaciones, el primer paso consiste en establecer las acciones a
tomar por la empresa para alcanzar sus objetivos. En este caso, la
compañía tiene como meta determinar el plan o programa
productivo de máxima ganancia. En este caso, tal plan o programa se
determina indicando el numero de toneladas de cada pintura que
debe producir. Esto define lo que se conoce como las variables de
decisión:

Construcción del Modelo: función objetivo
El siguiente paso es determinar la función objetivo. Esta debe ir acorde con la
meta de la empresa y debe estar en función de las variables de decisión: La
compañía desea maximizar la ganancia. Un elemento clave en los modelos de
programación lineal es el supuesto de aditividad: La ganancia total de la
compañía es la suma de las ganancias por separado de la venta de cada uno de
los productos. Esto descartar momentáneamente situaciones donde las
ganancias están condicionadas ante ventas combinadas de productos. Otro
supuesto importante es el de proporcionalidad: La contribución de cada
producto es directamente proporcional a la cantidad de producto.



Construcción del Modelo: restricciones
El siguiente paso es determinar las restricciones que son condicionamientos

a los valores que deben cumplir las variables de decisión. En general, los
condicionamientos pueden ser muy diversos y podrán estar asociados a los
recursos de la empresa, a las demandas del mercado o bien controles de
calidad, por citar algunos ejemplos. En nuestro ejemplo, los recursos
disponibles referentes a los aditivos químicos son los que condicionan el
plan productivo.





Construcción del Modelo: formulación completa del problema

EJEMPLOS DE PROBLEMAS DE PROGRAMACIÓN LINEAL – 3ro
1. Se seleccionan al azar dos números x, y entre 0 y 4 (ambos

inclusive) y se obtiene su producto. Se trata de determinar los
valores de estos números que hacen máximo y mínimo el
producto.
a) Formúlese el correspondiente programa matemático.
b) Obténganse, si existen, las soluciones del programa, grafique la

región convexa.

EJEMPLOS DE PROBLEMAS DE PROGRAMACIÓN LINEAL – 4to
2. Resuélvase gráficamente el siguiente problema:

a) Obténganse, si existen, las soluciones del programa, grafique la
región convexa.

3. Resuélvase gráficamente el siguiente problema:

a) Obténganse, si existen, las soluciones del programa, grafique la
región convexa.

4. El problema consiste en acarrear material desde tres Canteras,
hacia dos edificaciones en construcción, por lo tanto se pide
buscar minimizar los costos de producción en cada Cantera, como
los costos de transportar los aportes de las diferentes Canteras a
cada una de las dos edificaciones que están en construcción. Se
tienen conocidos como datos el costo de producir una tonelada
en cada una de las tres canteras, y el costo de transportar a una
determinada distancia con un peso determinado. En la Tabla 1 se
resume los datos conocidos del problema. Para una mejor
comprensión visual se presenta en la Figura 1 un diagrama del
problema a resolverse.

Tabla 1
CANTERA 2
DISTANCIAS CANTERA 1
PRODUCCIÓN X2→ TON.
CANTERA–EDIFICACIÓN PRODUCCIÓN X1→ TON. COSTO UNITARIO COSTO C2→$/TON.
COSTO C1→$/TON.
d1,1 10 KM. DE TRANSPORTE
V→$/[KM. TON.]
d1,2 20 KM.
d2,1 40 KM. d2,1
d2,2 10 KM.
d1,2
X1,2 X2,1
d3,1 70 KM.
d3,2 80 KM. d1,1 d2,2
REQUERIMIENTO DE CADA CANTERA
X1,1 X2,2
R1 1000 TON.
R2 1500 TON.
CONSTRUCCIÓN 2
COSTO DE PRODUCCIÓN EN CADA CANTERA CONSTRUCCIÓN 1 REQUERIMIENTOS
REQUERIMIENTOS
C1 100 $/TON. R1→ TON.
R2→ TON.
C2 50 $/TON. d3,2
C3 40 $/TON. X3,2
COSTO DE TRANSPORTAR d3,1
UNA DISTANCIA CON UN DETERMINADO PESO
X3,1
V 10 $/[KM. TON] CANTERA 3
PRODUCCIÓN X3→ TON.
COSTO C3→$/TON.
Figura 1: Diagrama Esquemático que representa del problema a optimizar


1.IntroduccionOptConvNoConv MSEP OPTSEP

Încărcat de

Informații document

Titlu original

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

1.IntroduccionOptConvNoConv MSEP OPTSEP

Încărcat de

Drepturi de autor:

Formate disponibile

OPTIMIZACIÓN DE

• Catedrático: Prof. Arturo Geovanny Peralta Sevilla. PhD.

✓ Habilidades para el análisis.

✓ Casos de estudio de Optimización

✓ Estructura de Problemas de Programación Lineal y No Lineal.

✓ Ejemplos de problemas de Programación Lineal.

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 2

CONCEPTO DE INVESTIGACIÓN DE OPERACIONES

✓ Diseño y mejoras en operaciones y toma de decisiones.

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 3

CONCEPTO DE INVESTIGACIÓN DE OPERACIONES

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 4

CONCEPTO DE INVESTIGACIÓN DE OPERACIONES

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 5

CONCEPTO DE INVESTIGACIÓN DE OPERACIONES

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 6

CONCEPTO DE INVESTIGACIÓN DE OPERACIONES

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 7

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 8

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 9

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 10

✓ What was the first optimization

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 11

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 12

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 13

✓ Entornos de difícil decisión

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 14

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 15

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 16

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 17

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 18

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 19

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 20

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 21

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 22

Forma general de un problema

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 23

Forma general de un problema

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 24

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 25

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 26

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 27

Una función convexa no tiene valores

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 28

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 29

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 30

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 31

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 32

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 33

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 34

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 35

El siguiente paso es determinar las restricciones que son condicionamientos

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 36

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 37

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 38

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 39

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 40

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 41

1. Se seleccionan al azar dos números x, y entre 0 y 4 (ambos

a) Formúlese el correspondiente programa matemático.

b) Obténganse, si existen, las soluciones del programa, grafique la

OPTIMIZACIÓN DE SISTEMAS ELÉCTRICOS 42

2. Resuélvase gráficamente el siguiente problema: