“Unlimited Point”-Ansatz zur Lösung des ... - EEH - ETH Zürich
“Unlimited Point”-Ansatz zur Lösung des ... - EEH - ETH Zürich
“Unlimited Point”-Ansatz zur Lösung des ... - EEH - ETH Zürich
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
Diss. <strong>ETH</strong> Nr. 12437<br />
<strong>“Unlimited</strong> Point -<strong>Ansatz</strong><br />
”<br />
<strong>zur</strong> <strong>Lösung</strong><br />
<strong>des</strong> optimalen Lastflussproblems<br />
ABHANDLUNG<br />
<strong>zur</strong> Erlangung <strong>des</strong> Titels<br />
DOKTOR DER TECHNISCHEN WISSENSCHAFTEN<br />
der<br />
EIDGENÖSSISCHEN TECHNISCHEN HOCHSCHULE<br />
ZÜRICH<br />
vorgelegt von<br />
GIORGIO TOGNOLA<br />
Dipl. El.-Ing. <strong>ETH</strong><br />
geboren am 13. Juli 1967<br />
von Grono (GR)<br />
Angenommen auf Antrag von<br />
Prof. Dr. R. Bacher, Referent<br />
Prof. Dr. A. Germond, Korreferent<br />
<strong>Zürich</strong> 1998<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Meinen Eltern und Alessandra<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Dank<br />
Die vorliegende Arbeit ist in den Jahren 1992-1997 an der Fachgruppe<br />
für elektrische Energieübertragung der <strong>ETH</strong> <strong>Zürich</strong> (Leitung der<br />
Gruppe: Herrn Prof. Dr. H. Glavitsch) entstanden.<br />
Mein herzlicher Dank gebührt Herrn Prof. Dr. R. Bacher für die Unterstützung<br />
und die zahlreichen Ratschlägen während der Arbeit und<br />
für die Übernahme <strong>des</strong> Referates.<br />
Prof. Dr. A. Germond der EPF in Lausanne, danke ich sehr für die<br />
Übernahme <strong>des</strong> Korreferates sowie für sein Interesse und seine wertvollen<br />
Anregungen.<br />
An meinen Kollegen Dr. Charlie Werlen und meinem Vater, Dipl. Ing.<br />
F. Tognola gebürt ein besonderer Dank für die kompetente Durchsicht<br />
<strong>des</strong> Manuskripts. Allen Arbeitskollegen der Fachgruppe, die durch ihre<br />
Anregungen, die aufbauenden Diskussionen und das angenehme<br />
Arbeitsklima möchte ich ebenfalls herzlich danken.<br />
Mein Dank geht schliesslich aber auch an meine geliebte Alessandra<br />
und an unsere Familien für ihre Unterstützung und Geduld, die wesentlich<br />
zum Gelingen der Arbeit beigetragen haben.<br />
<strong>Zürich</strong>, im April 1998 Giorgio Tognola<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kurzfassung<br />
Ein globaler deregulierter elektrischer Strommarkt wird in Zukunft<br />
immer öfter zu kritischen Netzbelastungen führen, wodurch die Bestimmung<br />
eines optimalen Betriebszustan<strong>des</strong> und die Beherrschung<br />
der betrieblichen Begrenzungen (Spannungsgrenzen, Leitungsstrombegrenzungen,<br />
Generatorleistungsbegrenzungen, usw.) eines elektrischen<br />
Versorgungsnetzes für die Netzbetreiber zunehmende Bedeutung<br />
gewinnen. Die Forschung auf diesem Gebiet ist so weit fortgeschritten,<br />
dass in modernen Netzleitsystemen Anwendungen für die Optimierung<br />
von Lastflüssen (OPF, “Optimal Power Flow ” )<strong>zur</strong>Verfügung stehen.<br />
Die wichtigsten Eigenschaften eines im “online ” -Einsatz stehenden<br />
OPF-Programms sind hohe Robustheit <strong>des</strong> Algorithmus und schnelle<br />
Ausführungsgeschwindigkeit. Speziell bei Netzwerken mit vielen Knoten<br />
(> 500 Knoten) haben diese Eigenschaften grosse Bedeutung.<br />
In dieser Arbeit wurde ein neuer OPF-Algorithmus basierend auf der<br />
Newton-Raphson Methode entwickelt, der Ähnlichkeiten mit dem “interior<br />
point ” (IP)-Verfahren hat. Die Behandlung der Begrenzungen<br />
beim neuen “unlimited point ” -Verfahren weist einen wesentlichen Vorteil<br />
gegenüber dem IP-Algorithmus auf: der unbegrenzte Variablenbereich,<br />
welcher dem Algorithmus seine Bezeichnung “unlimited point ”<br />
gibt. Der Name bedeutet, dass die Werte der Variablen während <strong>des</strong><br />
gesamten Optimierungsverfahrens weder von unten noch von oben begrenzt<br />
sind. Die Effizienz <strong>des</strong> entwickelten OPF-Algorithmus wurde<br />
zudem mit einer gestaffelten Einführung von denjenigen Begrenzungen,<br />
die während <strong>des</strong> Verfahrens überschritten werden, erhöht. Diese<br />
Flexibilität ermöglicht auch die Berechnung gewöhnlicher Lastflüsse.<br />
Die Programmierung dieses OPF-Algorithmus wurde mit einer neuen<br />
Software-Engineering Vorgehensweise erzeugt. Der zentrale Newton-<br />
Raphson ähnliche <strong>Lösung</strong>sschritt ist nicht, wie bisher, hart codiert,<br />
sondern das zugrundeliegende, lineare Gleichungssystem wird automatisch<br />
ausgehend von einer algebraischen Datenbank erzeugt. Der Zeitaufwand<br />
für die Codeerstellung <strong>des</strong> zu lösenden linearen Gleichungssystems<br />
wird damit stark reduziert. Die Vorgehensweise ermöglicht<br />
eine einfache Aufstellung der schwachbesetzten Jacobimatrix in einer<br />
kompakten algebraischen Form.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
An Testnetzen von 14 bis rund um 2500 Knoten hat das “unlimited<br />
point ” -Verfahren ein stabiles Iterationsverhalten und sehr kurze Rechenzeiten<br />
bestätigt. Die aufgrund der neuartigen Softwareengineering-<br />
Methode erwartete hohe Flexibilität, Qualität und schnellere Softwareentwicklungszeit<br />
wurde bei der Entwicklung der zum Algorithmus<br />
zugehörigen Software vollauf bestätigt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Abstract<br />
A global deregulated market of the electrical energy will lead in the<br />
future more often to critical network loading situations, whereby the<br />
determination of an optimal operating condition and the control of<br />
operational limits (voltage limits, current limits on transmission lines,<br />
power limits of generator, etc.) of an electrical network will get<br />
increasing importance for the company responsible for the operation<br />
of the power transmission networks. The research and its practical<br />
application in this area has progressed in the recent years to a point,<br />
where applications for an OPF (Optimal Power Flow) are provided in<br />
modern energy management systems. The most important properties<br />
of an OPF program in online-mode are today the high robustness of<br />
the algorithm and fast executing speed. Especially for large networks<br />
with more than 500 no<strong>des</strong> these properties are very important.<br />
In this thesis a new OPF algorithm has been developed which is based<br />
on the Newton-Raphson method. The new algorithm has similarity<br />
with the well known interior-point (IP) optimization algorithm. The<br />
handling of inequality constraints or limits within the new proposed<br />
“unlimited point ” algorithm, however, is distinctly different from the<br />
interior point approach: It is the unbounded space for all variables<br />
which gives the algorithm its name “unlimited point ” . This means,<br />
that the transformed variable values within the “unlimited point ” optimization<br />
procedure have neither upper nor lower limits. In addition,<br />
the efficiency of the developed OPF-algorithm was increased by introducing<br />
a grouped implementation of limited quantities, which are<br />
violated during the iterative solution process. This procedure leads to<br />
a high algorithmic flexibility which allows also the computation of an<br />
ordinary load flow with the same algorithm.<br />
The coding of this “unlimited point ” OPF algorithm was done with<br />
a new software engineering approach. The Newton-Raphson step of<br />
the solution is not hard coded, as usually done. In the new approach<br />
i.e. a linear system of equations is generated automatically from an<br />
algebraic data base. The new software engineering method allows the<br />
compact algebraic representation of the sparse linear system matrix.<br />
The time effort for coding the algorithm is thus strongly reduced by<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
this approach. Also, the coding quality of the algorithm is increased<br />
as compared to hand-coding.<br />
The “unlimited point ” algorithm has been applied to simulations of<br />
networks from 14 to 2500 no<strong>des</strong>. It has shown robust and very fast<br />
iterative behavior. The proposed advanced software engineering approach<br />
has been realized at the example of the “unlimited point ” algorithm.<br />
The expected high coding flexibility, the resulting high code<br />
quality and the expected much faster software development time have<br />
been strongly confirmed.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Riassunto<br />
La prossima introduzione di un mercato libero dell’energia elettrica,<br />
porteràsemprepiù spesso a situazioni critiche di carico sulle reti elettriche<br />
di interconnessione.<br />
La determinazione delle condizioni di carico ottimali e la conoscenza<br />
delle limitazioni d’esercizio su una rete elettrica di alimentazione (limiti<br />
di tensione, limitazione del carico sulle linee e sui generatori, ecc.),<br />
assumeranno pertanto, per i responsabili dell’esercizio, un’importanza<br />
sempre maggiore.<br />
La ricerca in questo campo ha fatto notevoli progressi, così che un<br />
moderno centro di comando di rete dispone già oggi di programmi per<br />
l’ottimizzazione dei flussi energetici (OPF, “Optimal Power Flow ” ).<br />
Le caratteristiche più importanti sono la sicurezza dell’algoritmo e la<br />
velocità di esecuzione. Queste caratteristiche assumono particolare<br />
importanza soprattutto per le grandi reti (> 500 nodi).<br />
In questo lavoro è stato sviluppato un nuovo algoritmo OPF basato<br />
sul metodo Newton-Raphson, che ha qualche similitudine col procedimento<br />
“interior point ” (IP). Nei confronti dell’algoritmo IP questo<br />
nuovo procedimento “unlimited point ” ha l’importante vantaggio di<br />
permettere un campo illimitato di variabili, qualità questa cui deve<br />
appunto la sua denominazione “unlimited point ” .Ciò significa che il<br />
valore delle variabili, sia all’inizio, come pure durante il procedimento<br />
di ottimizzazione, non devono sottostare a limitazioni né dall’alto né<br />
dal basso. L’efficienza dell’algoritmo OPF sviluppato è stata inoltre<br />
rafforzata con l’inserimento graduale di quelle delimitazioni che vengono<br />
superate durante il procedimento. Questa flessibilità permette<br />
inoltre anche il calcolo di flussi normali.<br />
La programmazione di questo algoritmo OPF è stata realizzata con<br />
una nuova modalità di procedura di programmazione. Il passo centrale<br />
della soluzione, simile a quello del metodo Newton-Raphson, non<br />
è rigidamente codificato come finora; il sistema di equazioni lineari<br />
di base viene invece automaticamente ricavato partendo da una banca<br />
dati algebrica. Il tempo di codificazione del sistema di equazioni lineari<br />
da risolvere viene così fortemente ridotto, tanto da permettere una<br />
semplice compilazione della matrice di Jacobi in una forma algebrica<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
compatta. In reti di prova da 14 fino a circa 2’500 nodi, il procedimento<br />
“unlimited point ” ha dimostrato un comportamento iterativo<br />
stabile e tempi di calcolo estremamente ridotti.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Inhaltsverzeichnis<br />
1 Einleitung 5<br />
1.1 Motivation......................... 5<br />
1.2 StandderTechnik .................... 6<br />
1.3 ZieldieserArbeit..................... 9<br />
1.4 Übersicht überdieeinzelnenKapitel .......... 10<br />
2 OPF Grundlagen 11<br />
2.1 Einführung ........................ 11<br />
2.2 OPFderKlasseA .................... 13<br />
2.2.1 Problemformulierung............... 13<br />
2.2.2 Annäherung<strong>des</strong>Optimierungsproblems..... 13<br />
2.2.3 <strong>Lösung</strong>sverlauf .................. 14<br />
2.3 OPFderKlasseB..................... 16<br />
2.3.1 Der Lagrange <strong>Ansatz</strong> und die Optimalitätsbedingungen.....................<br />
16<br />
2.3.2 DieNewton-Methode............... 19<br />
2.3.3 Die sequentielle quadratische Programmierung . 23<br />
2.3.4 Der “interior point ” -Algorithmus ........ 25<br />
2.4 ErwartungenaneineneueMethode........... 29<br />
3 <strong>“Unlimited</strong> Point ” -Algorithmus 31<br />
3.1 Einführung ........................ 31<br />
3.2 DietransformiertenKKT-Bedingungen......... 31<br />
3.3 <strong>Lösung</strong>sverfahren ..................... 34<br />
3.4 Beispiel .......................... 38<br />
3.5 Zusammenfassung..................... 42<br />
4 Struktur <strong>des</strong> Algorithmus 43<br />
4.1 Das elektrische Übertragungssystem........... 43<br />
I<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
II INHALTSVERZEICHNIS<br />
4.2 N-Tor-Typen ....................... 44<br />
4.3 DieZielfunktion...................... 45<br />
4.3.1 Kostenminimierung................ 46<br />
4.3.2 Verlustminimierung................ 47<br />
4.3.3 Einhalten eines vorgegebenen Spannungsprofils . 48<br />
4.3.4 Kombination mehrerer Zielfunktionen durch Gewichtsfaktoren...................<br />
49<br />
4.4 Gleichheitsnebenbedingungen .............. 49<br />
4.5 Ungleichheitsnebenbedingungen............. 51<br />
4.5.1 Begrenzungen der Spannungsbeträge ...... 51<br />
4.5.2 Begrenzungen von Generatorgrössen ...... 52<br />
4.5.3 Begrenzungen von Zweigsgrössen ........ 52<br />
4.5.4 Begrenzungen von Transformatorgrössen .... 52<br />
4.6 DaslineareGleichungssystem .............. 53<br />
4.6.1 BlockorientierteZusammensetzung ....... 55<br />
4.6.2 Schwachbesetzte Blockmatrizen und Blockvektoren........................<br />
58<br />
5 Software-Entwicklung 59<br />
5.1 Einführung ........................ 59<br />
5.1.1 Eigenschaften von “Maple V ” .......... 61<br />
5.1.2 Anpassungsfähigkeit für Änderungen und Ergänzungen.........................<br />
61<br />
5.1.3 Benutzte Grundkomponenten .......... 62<br />
5.2 ErzeugungderTeilelemente ............... 62<br />
5.2.1 “Maple V ” Umgebung . . ............ 63<br />
5.2.2 Fortran Umgebung ................ 67<br />
5.3 BerücksichtigungvonOptimierungsvariablen...... 67<br />
5.4 Erzeugung<strong>des</strong>linearenGleichungssystems ....... 70<br />
5.5 Die optimale Lastflusslösung............... 72<br />
6 Robustheitsaspekte 77<br />
6.1 OptimalesLastflussverfahren............... 78<br />
6.2 OPFnacheinerLastflussrechnung............ 78<br />
6.3 Gestaffelte EinfügungderBegrenzungen ........ 80<br />
6.4 Einfluss von Variablen und Konstanten ......... 82<br />
6.4.1 Dämpfungsfaktor α ................ 83<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
INHALTSVERZEICHNIS III<br />
6.4.2 Optimierungsvariablen .............. 84<br />
6.4.3 Problemkonstantenrunds............ 85<br />
7 Simulationsresultate 89<br />
7.1 Übersicht ......................... 89<br />
7.2 Testnetze ......................... 90<br />
7.3 GewöhnlicherLastfluss.................. 92<br />
7.4 Verlustoptimierung.................... 93<br />
7.4.1 Iterationsverhalten ................ 93<br />
7.4.2 Rechenzeiten ................... 97<br />
7.4.3 Verhalten der Optimierungsvariablen µ und z . 98<br />
7.4.4 Verhalten bei Belastungsänderungen ...... 100<br />
7.4.5 “Online ” -Einsatz ................. 100<br />
7.5 Kostenoptimierung .................... 101<br />
7.6 VergleichmitanderenMethoden............. 103<br />
7.7 Zusammenfassung..................... 105<br />
8 Schlussbetrachtungen 107<br />
A Bezeichnungen 111<br />
A.1 AllgemeineSymbole ................... 111<br />
A.2 Spezielle Bezeichnungen ................. 112<br />
A.3 Abkürzungen ....................... 113<br />
B N-Tor-Typen 115<br />
B.1 Die Übertragungsleitung................. 115<br />
B.2 DerTransformator .................... 116<br />
B.3 DieQuerimpedanz .................... 117<br />
C Verhalten von OPF-Variablen 119<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
IV INHALTSVERZEICHNIS<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 1<br />
Einleitung<br />
1.1 Motivation<br />
Der Ausbau der heute bestehenden elektrischen Energieübertragungssysteme<br />
ist aufgrund hoher ökologischer Ausprüche nur schwierig und<br />
in sehr langer Zeit möglich. Das bedeutet, dass im Falle eines steigenden<br />
Stromverbrauches und der damit verbundenen zunehmenden<br />
Belastung der elektrischen Energieübertragungssysteme, für den Netzbetreiber<br />
in steigendem Masse die Notwendigkeit entsteht, die Energieverteilung<br />
sicher zu beherrschen und das Netz in einem möglichst<br />
optimalen Zustand zu halten. Die mit dieser rein technischen Problematik<br />
verbundenen wirtschaftlichen Interessen haben der Forschung<br />
auf diesem Gebiet neue Impulse gegeben. Darüber hinaus ist es zu<br />
erwarten, dass ein freier, globaler elektrischer Strommarkt öfters zu<br />
Netzüberlastungen führen wird und dass demzufolge die Beherrschung<br />
der betrieblichen Begrenzungen eines Versorgungsnetzes, eine zunehmende<br />
Bedeutung haben wird.<br />
Heute ist die Entwicklung auf diesem Gebiet bereits soweit fortgeschritten,<br />
dass eine moderne Netzleitstelle (“Energy Management System<br />
” , EMS), neben den bekannten Lastfluss-, Kurzschlussrechnungen<br />
und “State-Estimation ” , den Betriebspersonal auch OPF (= “Optimal<br />
Power Flow ” )-Anwendungen <strong>zur</strong> Verfügung stellt.<br />
Das OPF-Programm wird hauptsächlich für die elektrische Energiesystemplanung,<br />
Betriebsplanung und den Echtzeitbetrieb benutzt. Die<br />
Betonung der Anwendungen verändert sich entsprechend. Während<br />
bei der Leistungsplanung das Hauptziel in der Verminderung der Erzeugungskosten<br />
und <strong>des</strong> Energieverbrauches besteht, stehen bei der<br />
5<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
6 KAPITEL 1. EINLEITUNG<br />
Betriebsplanung die Verlustminimierung und die Betriebssicherheit im<br />
Vordergrund.<br />
Wie die Entwicklung in letzter Zeit deutlich zeigt, besteht ein wachsen<strong>des</strong><br />
Interesse für eine zuverlässige Behandlung der stetig zunehmenden<br />
Anzahl der von den Sicherheitsanforderungen gestellten Begrenzungen.<br />
Dies gilt vor allem für die zeitlich gesehen kurzfristige<br />
Optimierung, z.B. als “Online ” -Anwendung. Verluste und Betriebskosten<br />
sind hingegen für die mittel- oder langfristige Optimierung und<br />
natürlich auch für die tägliche Einsatzplanung von Wichtigkeit.<br />
Aus der Sicht der Praxis interessiert nicht so sehr die <strong>Lösung</strong>smethode;<br />
es sind vor allem die Performance- sowie auch die Robustheitsaspekte<br />
welche im Vordergrund stehen. Trotz der enorm grossen, von den<br />
Computern der neuen Generation angebotenen Rechengeschwindigkeit,<br />
hängt die Gesamtleistung eines Verfahrens in grösserem Masse<br />
von analytischen Einzelheiten und methodologischen Spezialfächern<br />
ab. Die Rechenzeit wird um so wichtiger, wenn grosse Netze (> 500<br />
Knoten) herangezogen oder wenn mehrere Lastfälle in Betracht gezogen<br />
werden müssen. Aus der Erfahrung mit den üblichen Lastflussberechnungen<br />
erwartet der Netzbetreiber eine quasi-lineare Beziehung<br />
zwischen Netzgrösse und Rechenzeit.<br />
In der vorliegenden Arbeit wird ein neuer Optimierungsalgorithmus<br />
entwickelt, der selbst bei einer grossen Anzahl Begrenzungen in der<br />
Lage ist, effizient und stabil zu bleiben.<br />
1.2 Stand der Technik<br />
Die Bestimmung eines optimalen Lastflusses ist die Suche nach der optimalen<br />
Einstellung von Steuergrössen. Dadurch soll ein relatives Extremum<br />
(Minimum oder Maximum) einer vorgegebenen Zielfunktion<br />
erreicht werden. Mögliche Steuergrössen sind Generatoreinspeisungen,<br />
Einstellung der Stufenschalter von Transformatoren, Blindleistungskompensatoren,<br />
usw. Dabei müssen die Leistungen der Verbraucher,<br />
die Lastflussgleichungen und die betrieblichen Begrenzungen berücksichtigt<br />
werden. Eine derartige Problemstellung lässt sich mathematisch<br />
als Minimierung einer skalaren Zielfunktion unter Einhaltung von<br />
Gleichheits- und Ungleichheitsnebenbedingungen darstellen:<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
1.2. STAND DER TECHNIK 7<br />
Minimiere F(x)<br />
wobei gilt g(x) = 0<br />
und h(x) ≤ 0<br />
Zur <strong>Lösung</strong> solcher Aufgaben werden seit längerer Zeit bedeutende<br />
Mittel aufgewendet. Bis heute wurde aber noch kein Standard-<br />
Optimierungspaket entwickelt, das in der Lage ist, alle gewünschten<br />
Leistungen zu erzielen. Grundsätzlich haben sich in den letzen Jahren<br />
vier verschiedene Richtungen <strong>zur</strong> <strong>Lösung</strong> eines OPF-Problems herausgebildet.<br />
A Die sequentielle Ausführung von Lastflussberechnungen und Methoden<br />
der linearen oder quadratischen Programmierung (LP/<br />
QP) zeichnet sich durch eine sichere Begrenzungsbehandlung aus.<br />
Die Methode für jeden Iterationsblock (Lastflussrechnung kombiniert<br />
mit LP/QP) ist sehr robust. Allerdings bereitet die Linearisierung<br />
oder die quadratische Näherung im Arbeitspunkt<br />
von Zielfunktion und Nebenbedingungen einige Schwierigkeiten.<br />
Nicht alle Zielfunktionen können einfach behandelt werden. Produkte,<br />
wie z.B. das Programmpaket [1, 2] sind bereits auf dem<br />
Markt erhältlich. Die Stärken dieser Methode liegen eindeutig<br />
bei separierbaren Zielfunktionen, wie z.B. Kostenoptimierungen.<br />
Nicht separierbare Zielfunktionen, wie z.B. Verlustminimierungen<br />
sind aber auch möglich. Eine andere Methode [3, 4] verwendet<br />
einen Minimierungs-Algorithmus nach Beale.<br />
B Die sequentielle quadratische Programmierung geht von einer wiederholten<br />
quadratischen Näherung <strong>des</strong> OPF-Problems aus. Bei<br />
diesem Verfahren wird nur eine ungenaue Annäherung im Bereich<br />
<strong>des</strong> Arbeitspunktes erreicht. Es kommen im allgemeinen<br />
Standard-Optimierungsalgorithmen zum Einsatz. Die Effizienz<br />
der Begrenzungsbehandlung hängt von diesen Unterprogrammen<br />
ab. [5, 6] verwenden einen QP-Algorithmus, wobei der Mechanismus<br />
<strong>zur</strong> Bestimmung und Einhaltung der aktiven Grenzen durch<br />
einen dualen QP gelöst wird.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
8 KAPITEL 1. EINLEITUNG<br />
C Algorithmen nach dem Newton-Verfahren werden häufig durch<br />
Einsetzen von Straffunktionen und sogenannten “trial-iterations ”<br />
<strong>zur</strong> Aktivierung bzw. Deaktivierung von Grenzen gelöst. Ein<br />
bekanntes Programm [7] basiert auf dieser Methode. Die nahe<br />
Verwandtschaft mit herkömmlichen Lastflussberechnungen und<br />
ihre Eignung auch für grosse Netze sind Pluspunkte der Newton-<br />
Methode gegenüber LP- und QP-Ansätzen.<br />
D In den letzen Jahren haben die “interior point ” (IP)-Algorithmen<br />
eine aussergewöhnliche Bedeutung gewonnen. Sie bilden eine Alternative<br />
<strong>zur</strong> traditionellen Simplex-basierten, linearen Programmierung<br />
für die Behandlung der Begrenzungen. Heute scheint der<br />
“primal-dual ” -Algorithmus die effizienteste IP-Methode zu sein.<br />
Die Klasse dieser Algorithmen benutzt eine dem Newton-<strong>Ansatz</strong><br />
ähnliche <strong>Lösung</strong>smethode. Die <strong>Lösung</strong> mit einer IP-Methode<br />
muss aber mehrere Bedingungen erfüllen, und zwar<br />
– die geeignete Wahl der Anfangswerte der Variablen<br />
– die Verminderung <strong>des</strong> Sperrfaktors <strong>zur</strong> Regelung der Konvergenzgeschwindigkeit<br />
<strong>des</strong> Verfahrens<br />
– die Befriedigung aller Ungleichheitsnebenbedingungen nach<br />
jeder Iteration<br />
Das eigentliche Problem von OPF-Rechnungen im allgemeinen und im<br />
speziellen auf Newton-Raphson basierten Optimierungsmethoden, ist<br />
die Behandlung der Begrenzungen. So mussten, in den bisher bekannten,<br />
klassischen Programmen A, B und C, heuristische Suchverfahren<br />
<strong>zur</strong> Bestimmung der aktiven Grenzen verwendet werden. Das kann<br />
leicht zu Ineffizienz oder gar zu Instabilität <strong>des</strong> Algorithmus führen.<br />
Die Begrenzungen können unter Anwendung eines IP-Verfahrens besser<br />
behandelt werden, das seinerseits aber auch heuristische Methoden<br />
braucht. Zur Begrenzungsbehandlung bleibt <strong>des</strong>halb ein Bedarf nach<br />
einer stabileren und schnelleren Methode.<br />
Die Technik der Expertensysteme [8, 9] hat sich in den letzten Jahren,<br />
als Variante zu diesen konventionellen Methoden für die Optimierung<br />
von Spannungen und Blindleistungen entwickelt. Im Rahmen dieser<br />
Arbeit wird diese Technik aber nicht weiter untersucht.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
1.3. ZIEL DIESER ARBEIT 9<br />
1.3 Ziel dieser Arbeit<br />
Als Basis für die Entwicklung eines neuen OPF-Algorithmus wurde,<br />
wegen der guten numerischen Eigenschaften, die Methode von<br />
Newton-Raphson gewählt. Zur Begrenzungsgehandlung wurde jedoch<br />
einen neuen <strong>Ansatz</strong> formuliert.<br />
Die Struktur <strong>des</strong> Algorithmus soll einfach erweiterbar sein und, um<br />
fehlerhafte Co<strong>des</strong> zu vermeiden, möglichst automatisch erzeugt werden.<br />
Um einen möglichst linearen Anstieg der Rechenzeit mit der<br />
Netzgrösse zu erreichen, soll zusätzlich die Schwachbesetztheit von<br />
elektrischen Netzberechnungen konsequent ausgenutzt werden.<br />
So setzt sich die Zielsetzung dieser Arbeit aus zwei verschiedenen Aufgaben<br />
zusammen, nämlich:<br />
• den Entwurf eines OPF-Algorithmus, der die Vorteile der quadratischen<br />
Programmierung und <strong>des</strong> “interior point ” -Verfahrens<br />
<strong>zur</strong> Behandlung der Begrenzungen enthält, und<br />
• eine automatische Erzeugung von Codezeilen, mit welcher ein,<br />
der neuen Methode zugrundeliegen<strong>des</strong>, schwachbesetztes, lineares<br />
Gleichungssystem <strong>zur</strong> <strong>Lösung</strong> aufgebaut werden kann.<br />
Das im zweiten Punkt formulierte Ziel bildet somit ebenfalls eine wesentliche<br />
Aufgabe der vorliegenden Arbeit. Die bisher benutzte Programmierungsart<br />
geht davon aus, dass der zentrale Newton-Raphson<br />
ähnliche <strong>Lösung</strong>sschritt hart codiert ist. Unter “hart codiert ” versteht<br />
man, dass je<strong>des</strong> Codeelement <strong>des</strong> zu lösenden linearen Gleichungssystems,<br />
in einem Software-Programm von Hand eingetippt<br />
werden muss. Diese neue Software-Engineering-Vorgehensweise sollte<br />
gegenüber dem klassischen Vorgehen verschiedene Vorteile aufweisen.<br />
Erstens wird eine für die neue Methode benötigte, sehr grosse, schwachbesetzte<br />
Matrix in einer kompakten algebraischen Form aufgestellt.<br />
Die Matrixelemente in algebraische Form werden erst bei der Ausführung<br />
<strong>des</strong> OPF-Algorithmus mit den numerischen Werten ersetzt.<br />
Der Zeitaufwand für die Codeerstellung <strong>des</strong> zu lösenden, linearen Gleichungssystems<br />
wird damit stark minimiert.<br />
Ein weiteres wichtiges Ziel besteht in der Anpassungsfähigkeit <strong>des</strong> entwickelten<br />
Programms auf verschiedenen Ebenen. Das Programm soll<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
10 KAPITEL 1. EINLEITUNG<br />
sowohl gewöhnliche als auch optimale Lastflüsse lösen. Zusätzlich soll,<br />
bei der Optimierung, die Berücksichtigung einer riesigen Anzahl von<br />
Begrenzungen während <strong>des</strong> <strong>Lösung</strong>sverfahrens, kein wesentliches Problem<br />
darstellen.<br />
Schliesslich soll die Codierung <strong>des</strong> Algorithmus, auch wenn er komplexe<br />
Terme enthält, garantiert fehlerfrei durchgeführt werden.<br />
1.4 Übersicht über die einzelnen Kapitel<br />
Im folgenden Kapitel 2 werden eine Einführung in die Berechnung eines<br />
optimalen Lastflusses und ein Überblick über die bereits bestehenden<br />
OPF-Anwendungen, die nach Klassen unterteilt sind, dargelegt.<br />
Im Kapitel 3 wird der neue <strong>Ansatz</strong> abgeleitet; eine Erweiterung der<br />
Karush-Kuhn-Tucker-Bedingungen erlaubt die direkte <strong>Lösung</strong> eines<br />
Optimierungsproblems mit Variablenbegrenzungen durch ein klassisches<br />
Newton-Raphson-Verfahren.<br />
Kapitel 4 behandelt im Detail die mathematischen Modellierungsaspekte<br />
der elektrischen Komponenten, die in einer OPF-Rechnung<br />
benutzt werden. Die Zielfunktionen, die verschiedenen Elemente eines<br />
elektrischen Energieübertragungssystems mit deren Betriebsbegrenzungen<br />
und die notwendigen Lastflussgleichungen, werden diskutiert.<br />
Dazu wird die Struktur <strong>des</strong> linearen Gleichungssystems dargestellt.<br />
Mittels der entwickelten Algorithmuskomponenten wird im Kapitel 5<br />
die automatisch in “Fortran ” oder “C ” generierbare, und mit “Maple<br />
V ” definierbare Softwareentwicklung <strong>des</strong> neuen Algorithmus gezeigt.<br />
Im Kapitel 6 werden die geeigneten Anfangswerte der Variablen und<br />
die beste Strategie <strong>zur</strong> Einführung der Begrenzungen untersucht.<br />
Die Ergebnisse aus den Computersimulationen, inklusive Vergleiche<br />
zu bestehenden OPF-Methoden, sind in Kapitel 7 dargelegt.<br />
Im Teil A <strong>des</strong> Anhanges werden die am häufigsten verwendeten Symbole<br />
und Schreibweisen definiert und erläutert.<br />
In Anhang B werden die mathematischen Modelle der elektrischen<br />
Komponenten definiert.<br />
Anhang C beschreibt schliesslich die verschiedenen Verhalten der Variablen<br />
während <strong>des</strong> Optimierungverlaufes.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 2<br />
OPF Grundlagen<br />
2.1 Einführung<br />
Die <strong>Lösung</strong> eines optimalen Lastfluss-Problems (“Optimal Power<br />
Flow ” , OPF) wird heute allgemein als die Bestimmung eines optimalen,<br />
stationären Betriebszustan<strong>des</strong> für ein elektrisches Energieübertragungssystem<br />
angesehen. Dabei wird durch Variation bestimmter<br />
Steuergrössen (wie z.B. Generatoreinspeisungen, Stufenschalter der<br />
Transformatoren, usw.) die Minimierung einer vorgegebenen Zielfunktion<br />
erreicht. Als Nebenbedingung müssen die Lastflussgleichungen<br />
und verschiedene, die betriebliche Sicherheit <strong>des</strong> Netzes betreffende<br />
Grenzen eingehalten werden. Je nach Anwendung kommen eine unterschiedliche<br />
Auswahl von Steuervariablen und verschiedene Zielfunktionen<br />
zum Einsatz.<br />
Die mathematische Formulierung eines OPF ist eines der Hauptprobleme.<br />
Klassisch wird dieses Problem als nichtlineares mathematisches<br />
Problem dargestellt, welches wie folgt beschrieben wird :<br />
Minimiere F(x)<br />
wobei gilt g(x) = 0<br />
und h(x) ≤ 0<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
(2.1)<br />
Die Zielfunktion F(x) ist skalar und konvex, d.h. sie weist nur ein<br />
globales Minimum auf. Das Problem besteht auch aus einer Folge<br />
von nichtlinearen (oder linearen) Gleichheitsnebenbedingungen g(x),<br />
wie z.B. die Lastflussgleichungen und aus einer Folge von nichtlinea-<br />
11
12 KAPITEL 2. OPF GRUNDLAGEN<br />
ren (oder linearen) Ungleichheitsnebenbedingungen h(x), wie z.B. die<br />
Begrenzungen der Knotenspannungen.<br />
Das Problem ist so zu lösen, dass die Werte der Elemente <strong>des</strong> Vektors<br />
x allen Gleichheits- und Ungleichheitsnebenbedingungen genügen und<br />
für die Zielfunktion ein lokales Minimum gefunden wird.<br />
Heute existieren bereits verschiedene mathematische Verfahren, die<br />
OPF-Probleme lösen. Dabei muss allerdings einschränkend festgestellt<br />
werden, dass eine optimale, universelle Methode, die allen Anforderungen<br />
wie numerische Stabilität, hohe <strong>Lösung</strong>sgeschwindigkeit, flexible<br />
Begrenzungsbehandlung, usw. genügt, wohl nicht <strong>zur</strong> Verfügung<br />
steht.<br />
Die Auftrennung von OPF-Algorithmen in Klassen ist gerechtfertigt,<br />
weil viele robuste OPF-<strong>Lösung</strong>smethoden existieren, welche zu wohldefinierten<br />
Zwischenlösungen im Verlauf eines Iterationsverfahrens führen.<br />
Eine erste Klasse umfasst die OPF-Algorithmen, die ausgehend von einem<br />
gelösten Lastfluss, sich mit Hilfe von linearer- oder quadratischer<br />
Programmierung (LP/QP), dem Optimum nähern. Die zweite Klasse<br />
löst die exakten Optimalitätsbedingungen von (2.1) und benützt<br />
geeignete Techniken um diese zu erfüllen. In diesem Fall ist es nicht<br />
notwendig, von einem gelösten Lastfluss auszugehen.<br />
Diese zwei Klassen werden als Klasse A, bzw. Klasse B bezeichnet.<br />
Sie werden in den nächsten Abschnitten kurz besprochen (siehe auch<br />
[10, 11]).<br />
Die Klassifizierung A und B kommt auch mit der Bezeichnung kompakte,<br />
bzw. nicht-kompakte OPF-Problemformulierung in der Literatur<br />
[12] vor, wobei die kompakte Formulierung der Klasse A und die<br />
nicht-kompakte der Klasse B entspricht.<br />
Die kompakte Formulierung eines OPF-Algorithmus führt häufig bei<br />
der Annäherung <strong>des</strong> OPF-Problems auf vollbesetzte Matrizen und<br />
Vektoren. Nicht-kompakte Methode zeichnen sich dadurch aus, dass<br />
Matrizen und Vektoren meistens schwachbesetzt sind.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
2.2. OPF DER KLASSE A 13<br />
2.2 Der optimale Lastfluss Klasse A<br />
Häufig präsentieren sich Zielfunktion und Nebenbedingungen in der<br />
Realität als nichtlineare, oder als diskrete und nicht differenzierbare<br />
Funktionen, was den meisten mathematischen Optimierungsmethoden<br />
grosse Schwierigkeiten bereitet. So müssen Funktionen in geeigneter<br />
Form vereinfacht nachgebildet werden, wobei die Art der Modellierung<br />
hauptsächlich vom gewählten Optimierungsalgorithmus abhängig ist.<br />
2.2.1 Problemformulierung<br />
Für den OPF-Algorithmus der Klasse A wird eine Linearisierung oder<br />
eine quadratische Näherung im Arbeitspunkt angewandt. Die OPF-<br />
Variablen werden in unabhängige Steuervariablen u (z.B. Generatorwirkleistungen,<br />
Generatorspannungen, usw.) und Zustandsvariablen<br />
x (z.B. Knotenspannungen, Generatorblindleistungen, usw.) unterteilt:<br />
Minimiere F(x, u)<br />
wobei gilt g(x, u) = 0<br />
und h(x, u) ≤ 0<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
(2.2)<br />
Mit dieser alternativen Darstellungsart der Variablen kann man die<br />
OPF-Gleichheitsnebenbedingungen von denen eines klassischen Lastflusses<br />
unterscheiden:<br />
OPF g(x, u) = 0<br />
klassischer Lastfluss g(x, u o ) = 0<br />
(2.3)<br />
Der Index o in (2.3) bedeutet, dass konstante Werte oder Vektoren<br />
vorgegeben sind.<br />
2.2.2 Annäherung <strong>des</strong> Optimierungsproblems<br />
Das oben formulierte Optimierungsproblem (2.2) kann nicht direkt<br />
gelöst werden, sondern muss, um eine LP/QP-Formulierung zu ermö-
14 KAPITEL 2. OPF GRUNDLAGEN<br />
glichen, zuerst (im Allgemeinen durch eine Taylorentwicklung) vereinfacht<br />
werden. Für den LP wird das gesamte Problem linear, für den<br />
QP die Zielfunktion quadratisch und die Gleichheits- und Ungleichheitsnebenbedingungen<br />
linear, angenähert. Die Taylorentwicklung der<br />
Zielfunktion unter Berücksichtigung der Terme erster Ordnung, ergibt:<br />
F(x, u) ≈F(x o ,u o )+ ∂F(x,u)<br />
∂x<br />
<br />
<br />
<br />
<br />
T<br />
x o ,u o<br />
∆x+ ∂F(x,u)<br />
∂u<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
<br />
<br />
<br />
<br />
T<br />
x o ,u o<br />
∆u −→ min<br />
(2.4)<br />
Da die Grössen x o und u o numerisch gegeben sind, bleiben die ∆x<br />
und ∆u als einzige Variablen übrig. Die Zielfunktion liegt somit in<br />
linearer Form vor, wie es der LP verlangt. In einer QP-Formulierung<br />
werden hier die Terme zweiter Ordnung ebenfalls berücksichtigt. Die<br />
Gleichheitsnebenbedingungen g(x, u) und die Ungleichheitsnebenbedingungen<br />
h(x, u) werden ebenfalls durch eine Taylorentwicklung angenähert.<br />
2.2.3 <strong>Lösung</strong>sverlauf<br />
Aufgrund der grossen Dimension eines LP/QP-Problems wird die Formulierung<br />
der schwachbesetzten Matrizen häufig durch Elimination<br />
von Gleichungen und Variablen in eine Formulierung mit kompakten<br />
vollbesetzten Matrizen umgewandelt. Der Nachteil, dass die Schwachbesetztheit<br />
in der Problemformulierung verloren geht, wird durch die<br />
Verminderung der Anzahl Gleichungen und folglich auch der Anzahl<br />
Variablen ausgeglichen.<br />
Der Algorithmus der Klasse A ist relativ einfach zu verstehen.<br />
Einerseits braucht man einen Algorithmus, der einen klassischen Lastfluss<br />
löst.<br />
Anderseits braucht man ein effizientes System, um die Matrixkoeffizienten<br />
<strong>des</strong> LP/QP-Problems geeignet vorzubereiten, die als Taylorreihe-<br />
Approximationspunkt die letzten Iterationswerte einer vorhergehenden<br />
Lastflussberechnung benutzen.<br />
Das Klasse A-<strong>Lösung</strong>verfahren kann schematisch wie folgt zusammengefasst<br />
werden:<br />
1. Numerische Werte für die im Lastfluss veränderbaren Variablen
2.2. OPF DER KLASSE A 15<br />
x, sowiefür die im Lastfluss konstanten Steuergrössen u o wählen.<br />
Die Toleranzschwelle ɛ wird gesetzt.<br />
2. Lösen <strong>des</strong> Lastflusses; es resultieren neue Werte für die Zustandsvariablen<br />
x o .<br />
3. Das nichtlineare Optimierungsproblem wird im vorhergehenden<br />
<strong>Lösung</strong>spunkt <strong>des</strong> Lastflusses x o , u o in lineare- (2.4) oder quadratische<br />
Form gebracht. Das LP/QP-Problem wird mit ∆x, ∆u<br />
als Optimierungsvariable vorbereitet.<br />
4. Das approximierte Optimierungsproblem wird um den aktuellen<br />
<strong>Lösung</strong>spunkt (x o , u o ) mit einem LP/QP-Algorithmus gelöst: die<br />
resultierenden ∆x o und ∆u o stellen eine optimale <strong>Lösung</strong> in der<br />
Nähe <strong>des</strong> <strong>Lösung</strong>spunktes (x o , u o )dar.<br />
5. Die Steuervariablen werden aktualisiert: u o = u o +∆u o .<br />
Die Zustandsvariablen können aktualisiert werden: x o = x o +<br />
∆x o , um bessere Startwerte für den nächsten Lastfluss zu erhalten.<br />
6. Die Konvergenz wird geprüft: falls |∆u o | grösser als ɛ, weitermit<br />
Punkt 2, sonst STOP.<br />
Der Schwerpunkt dieses Verfahrens liegt darin, dass die <strong>Lösung</strong> <strong>des</strong><br />
Lastflusses und die Optimierung getrennt sind. Die Begründung dieser<br />
Trennung liegt in der Tatsache, dass die <strong>Lösung</strong> <strong>des</strong> Lastflusses<br />
sehr nahe bei der endgültigen <strong>Lösung</strong> liegt, weil die Ungleichheitsnebenbedingungen<br />
die <strong>Lösung</strong> auf einen kleinen Spielraum beschränken.<br />
Als Folgerung kann man sich vorstellen, dass die Anzahl Iterationen<br />
(d.h. die obigen Punkte 2...6) grösser als bei anderen Methoden sein<br />
sollte.<br />
Der grosse Vorteil dieses Algorithmus besteht in der einfachen Behandlung<br />
von Begrenzungen durch Standard-LP oder QP-Algorithmen.<br />
Die heute üblichen, Simplex-basierten QP-Methoden werden aber mit<br />
dem Steigen der Problemdimension ziemlich langsam [3, 4]. Um diesen<br />
Nachteil zu vermindern, werden die Anzahl der Variablen und<br />
der Gleichungen in einer kompakten Form beträchlich reduziert, was<br />
enorme Vorteile in Bezug auf die Rechenzeit ergibt. Die unsicheren<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
16 KAPITEL 2. OPF GRUNDLAGEN<br />
Konvergenzeigenschaften bei linearer Approximation einer komplexen<br />
Zielfunktion (z.B. Verluste) und die <strong>Lösung</strong> von meist nur linear approximierten<br />
Gleichheitsnebenbedingungen, begrenzen aber die Anwendung<br />
dieses Algorithmus.<br />
2.3 Der optimale Lastfluss Klasse B<br />
Der OPF-Algorithmus der Klasse B ist auf eine klassische Formulierung<br />
<strong>des</strong> Lagrange-<strong>Ansatz</strong>es bezogen, wobei die Optimalitätsbedingungen<br />
in einer Menge von Gleichungen, sowohl die Gleichheitsnebenbedingungen<br />
als auch die Ungleichheitsnebenbedingungen enthalten.<br />
Diese Menge von Gleichungen wird nicht zwischen Lastfluss und<br />
LP/QP getrennt, sondern die Lastflussrechnung wird zusammen mit<br />
dem Optimierungsproblem in einem iterativen Prozess behandelt.<br />
In diesem Fall existiert keine Trennung mehr zwischen den Zustandsvariablen<br />
(x) und den Steuervariablen (u); die Optimierungsvariablen<br />
sind alle im Variablenvektor (x) enthalten.<br />
In der Folge werden der Lagrange-<strong>Ansatz</strong> und die Formulierung der<br />
notwendigen Optimalitätsbedingungen vorgestellt.<br />
2.3.1 Der Lagrange <strong>Ansatz</strong> und die Optimalitätsbedingungen<br />
Der Lagrange-<strong>Ansatz</strong> liefert eine geeignete Methode <strong>zur</strong> Bestimmung<br />
von Extrema mit Nebenbedingungen. Ausgangspunkt ist eine mehrdimensionale<br />
Zielfunktion<br />
F(x) −→ min<br />
und ein Satz von Gleichheitsnebenbedingungen<br />
g(x) =0<br />
Die Lagrange-Funktion (L) lässt sich schreiben als<br />
L = F(x)+λ T g(x)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
2.3. OPF DER KLASSE B 17<br />
wobei λ den Vektor der Lagrange-Multiplikatoren darstellt.<br />
Das Prinzip von Lagrange besagt, dass<br />
mit<br />
x ein relatives Extremum von F(x) ist, wenn die notwendigen<br />
Bedingungen erster Ordnung gelten<br />
∂L<br />
∂x<br />
= ∂<br />
<br />
T F(x)+λ g(x) |x, ∂x<br />
λ = 0<br />
(2.5)<br />
∂L<br />
∂λ<br />
= g(x)| x = 0<br />
und wenn der gefundene Vektor λ die hinreichenden Bedingungen<br />
der zweiten Ordnung für jede s = 0 erfüllt<br />
W = ∂2L ∂x 2<br />
<br />
<br />
<br />
x, λ<br />
s T Ws > 0<br />
Jgs = 0 (2.6)<br />
und Jg = ∂g(x)<br />
∂x<br />
Die Bedingungen zweiter Ordnung (2.6) stellen sicher, dass die <strong>Lösung</strong><br />
x ein effektives Extremum von F(x) ist. Die Bedingungen erster Ordnung<br />
erlauben auch einen Sattelpunkt als Problemlösung [13]. Die<br />
Bedingung (2.6) wird in dieser Arbeit implizit vorausgesetzt, weil<br />
die Überprüfung von (2.6) im Vergleich mit der OPF-<strong>Lösung</strong>szeit für<br />
(2.5), zeitlich gesehen, prohibitiv ist. Das Extremum wird somit durch<br />
Lösen der Optimalitätsbedingungen (2.5) bestimmt.<br />
Sollen Ungleichheitsnebenbedingungen der Form<br />
h(x) ≤ 0<br />
mitberücksichtigt werden, so werden diese vorerst wie Gleichheitsnebenbedingungen<br />
behandelt und treten in der Lagrange-Funktion als<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
<br />
<br />
<br />
x
18 KAPITEL 2. OPF GRUNDLAGEN<br />
zusätzlicher Term auf<br />
L = F(x)+λ T g(x)+µ T h(x) (2.7)<br />
Unter der Voraussetzung, dass F(x), g(x) und h(x) differenzierbare<br />
Funktionen sind und x nicht vorzeichenbeschränkt ist, gilt eine Variante<br />
<strong>des</strong> Theorems von Karush-Kuhn-Tucker (KKT) [14, 15]<br />
mit<br />
Ist x ein relatives Extremum von F(x) ,sokönnen Vektoren<br />
λ , µ gefunden werden, so dass die notwendigen Bedingungen<br />
erster Ordnung gelten<br />
∂L<br />
∂x<br />
= ∂ <br />
T T<br />
∂x<br />
F(x)+λ g(x)+µ h(x) |x,<br />
λ,µ = 0<br />
∂L<br />
∂λ = g(x)| x = 0<br />
∂L<br />
∂µ = h(x)| x ≤ 0<br />
diag{µ} ∂L<br />
∂µ = diag{µ} h(x)| x,µ<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
= 0<br />
µ ≥ 0<br />
und wenn die hinreichenden Bedingungen zweiter Ordnung<br />
für je<strong>des</strong> s = 0 erfüllt sind<br />
an der Grenze<br />
J<br />
s T Ws > 0 Jgs = 0<br />
(2.8)<br />
nicht an der Grenze<br />
h s = 0 Jh s ≤ 0 (2.9)<br />
W = ∂2 L<br />
∂x 2<br />
<br />
<br />
<br />
x, λ,µ<br />
Jg = ∂g(x)<br />
∂x<br />
<br />
<br />
<br />
x
2.3. OPF DER KLASSE B 19<br />
an der Grenze<br />
Jh = ∂h(x)an der Grenze<br />
nicht an der Grenze<br />
Jh = ∂h(x)nicht an der Grenze<br />
∂x<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
<br />
<br />
<br />
x<br />
∂x<br />
Aus der vierten Zeile von (2.8) ist ersichtlich, dass ein Element von<br />
µ nur dann ungleich Null sein kann, wenn die entsprechende Nebenbedingung<br />
aktiviert wird und somit der dazugehörige Term h(x) verschwindet.<br />
Man würde den gleichen <strong>Lösung</strong>spunkt finden, wenn aus der ursprünglichen<br />
Aufgabenstellung alle im Optimum nichtaktiven Nebenbedingungen<br />
(d.h. die Begrenzungen, die nicht überschritten werden) entfernt<br />
und die aktivierten Begrenzungen wie Gleichheitsnebenbedingungen<br />
behandelt würden, siehe (2.5). Für eine detaillierte Darstellung<br />
sei auf die Literatur [16, 17] verwiesen.<br />
Das Hauptproblem besteht in der grossen Anzahl von Nichtlinearitäten<br />
und in der Dimension der Gleichheits- und Ungleichheitsnebenbedingungen,<br />
die das Optimierungsproblem erfüllen muss. Eine<br />
zusätzliche Schwierigkeit <strong>des</strong> oben aufgeführten Gleichungssystems besteht<br />
darin, dass im Vergleich zu (2.5) zusätzliche Bedingungen (Zeile<br />
3 und 4 in (2.8)) und die Lagrange-Multiplikatoren µ positiv (Zeile 5<br />
in (2.8)) gleichzeitig erfüllt sein müssen. Dies erhöht die Schwierigkeit,<br />
die KKT-Bedingungen (2.8) zu lösen. Die Bedingung (2.9) wird<br />
aus den gleichen Gründen wie (2.6) implizit vorausgesetzt und nicht<br />
weiter betrachtet.<br />
In den nächsten Abschnitten werden einige wichtige Algorithmen der<br />
Klasse B näher behandelt.<br />
2.3.2 Die Newton-Methode<br />
Das gleichheitsbeschränkte Problem<br />
Bei der Newton-Methode (auch Newton-Raphson-Methode genannt)<br />
handelt es sich eigentlich nicht um ein genau definiertes Verfahren.<br />
Vielmehr existieren mehrere, zum Teil stark unterschiedliche Konzep-<br />
<br />
<br />
<br />
x
20 KAPITEL 2. OPF GRUNDLAGEN<br />
te <strong>zur</strong> <strong>Lösung</strong> eines OPF-Problems, denen eine Newton-Iteration als<br />
Basis dient. Vorteile verspricht man sich dabei durch die numerische<br />
Stabilität und die aus der Lastflussrechnung bekannte gute Konvergenz.<br />
Weiter bleibt, bei einer nicht kompakten Modellierung <strong>des</strong> OPF,<br />
die Schwachbesetztheit der Matrizen erhalten, was eine Eignung auch<br />
für grosse Netze erwarten lässt.<br />
Die bekannteste Implementierung eines Newton-OPF [7] verwendet<br />
einen Lagrange-<strong>Ansatz</strong> <strong>zur</strong> Behandlung der Gleichheitsnebenbedingungen<br />
Minimiere F(x)<br />
mit g(x) = 0<br />
Die Gleichheitsnebenbedingungen bestehen aus dem vollen Satz von<br />
Lastflussgleichungen.<br />
L = F(x)+λ T g(x)<br />
Die daraus bestimmten Optimalitätsbedingungen werden nach einem<br />
Newton-Verfahren gelöst<br />
∂L<br />
∂x = 0<br />
∂L<br />
∂λ = 0<br />
(2.10)<br />
Zur <strong>Lösung</strong> von (2.10) muss die Hess’sche Matrix (H) aus den zweiten<br />
partiellen Ableitungen von L gebildet werden<br />
mit<br />
H k ⎡<br />
= ⎣ Wk JkT Jk 0<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎤<br />
⎦<br />
x k ,λ k<br />
(2.11)
2.3. OPF DER KLASSE B 21<br />
Wk = ∂2L ∂x 2<br />
<br />
<br />
<br />
Jk = ∂2 <br />
L<br />
<br />
<br />
∂λ∂x<br />
x k ,λ k<br />
x k ,λ k<br />
=<br />
∂ 2 F(x)<br />
∂x 2<br />
= ∂g<br />
<br />
<br />
∂x<br />
x k<br />
<br />
<br />
+ i λo i<br />
∂ 2 gi(x)<br />
∂x 2<br />
<br />
x<br />
k ,λk (2.12)<br />
Die Untermatrix J k entspricht der bekannten Jacobi-Matrix (J) <strong>des</strong><br />
Lastflusses mit dem Unterschied, dass im optimalen Lastfluss, der Vektor<br />
x auch Lastflusssteuervariablen als Unbekannten enthält. Iterativ<br />
werden Korrekturterme ∆x und ∆λ bestimmt und <strong>zur</strong> vorherigen<br />
<strong>Lösung</strong> hinzugefügt, bis eine gegebene Konvergenzschranke unterschritten<br />
wird.<br />
⎡<br />
⎣<br />
∆x k<br />
∆λ k<br />
⎤<br />
⎦ = Hk−1 ⎡<br />
⎢<br />
. ⎣<br />
− ∂L<br />
∂x<br />
− ∂L<br />
∂λ<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎤<br />
⎥<br />
⎦<br />
x k ,λ k<br />
⎡<br />
x<br />
⎣<br />
k+1<br />
λk+1 ⎤ ⎡<br />
x<br />
⎦ = ⎣<br />
k<br />
λk ⎤ ⎡<br />
∆x<br />
⎦ + ⎣<br />
k<br />
∆λk ⎤<br />
⎦<br />
Eine Entkopplung zwischen Wirk- und Blindleistung, analog wie beim<br />
entkoppelten Lastfluss, wird in [7] verwendet. Dies führt zu kleineren<br />
Matrizen und verringert somit den Aufwand pro Iteration. Allerdings<br />
leidet darunter die gute Konvergenz <strong>des</strong> Verfahrens.<br />
Begrenzungsbehandlung mit Verwendung von Straffunktionen<br />
Mit dieser Methode werden die Ungleichheitsnebenbedingungen während<br />
der Iteration als quadratische Straffunktionen (“penalty approach<br />
) [18] si <strong>zur</strong> Zielfunktion hinzugefügt.<br />
”<br />
F(x) :=F(x)+ <br />
(2.13)<br />
Die Straffunktion kann für die Begrenzung einer einfachen Variablen<br />
i<br />
si
22 KAPITEL 2. OPF GRUNDLAGEN<br />
xi wie folgt definiert werden:<br />
si = ki<br />
2 (xi − xi,Grenze) 2 ki > 0<br />
Der Lagrange-<strong>Ansatz</strong> mit der neuen Zielfunktion lautet somit:<br />
L = F(x)+λ T g(x)+ 1<br />
2 (x−xGrenze) T diag{ki}(x − xGrenze)<br />
Die Menge der aktiven Grenzen wird durch die Anwendung eines heuristischen<br />
Auswahlverfahrens bestimmt. Es werden Terme der Form<br />
∂ 2 si<br />
∂x 2 i<br />
= ki<br />
<strong>zur</strong> Diagonale der Hess’schen Matrix H hinzugefügt. Damit werden<br />
Aktualisierung- und Neufaktorisierungsoperationen von H notwendig.<br />
Letzteres erfordert allerdings viel Rechenzeit. Die Verwendung<br />
von Straffunktionen ist mathematisch relativ einfach. Die Schwierigkeit<br />
liegt bei der Bestimmung der Logik für die Bewertung der ki-<br />
Werte. Diese variiert während <strong>des</strong> OPF-<strong>Lösung</strong>sverlaufes. Die verletzten<br />
Grenzen bekommen in der Zielfunktion durch grosse ki-Werte<br />
mehr Gewicht. Bei der Optimierung wird <strong>des</strong>halb mit erster Priorität<br />
si minimiert. Das ist der Fall, wenn xi nahe bei der Grenze xi,Grenze<br />
liegt. Die nicht verletzten Grenzen können hingegen mit kleineren ki-<br />
Werten gewichtet werden.<br />
BeizugrossenWertenvonkiergeben sich häufig numerische Probleme<br />
und Pendelungen im Iterationsverlauf.<br />
Begrenzungsbehandlung durch Aktivierung von Ungleichheitsnebenbedingungen<br />
Eine andere Variante <strong>zur</strong> Begrenzungsbehandlung bei einem Newton-<br />
OPF ist die Verwendung der KKT-Bedingungen [19]. Die verletzten<br />
Ungleichheitsnebenbedingungen werden in Gleichheitsnebenbedingungen<br />
umgewandelt.<br />
h(x) =0<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
2.3. OPF DER KLASSE B 23<br />
Verglichen mit der Methode von Straffunktionen bedeutet dies, dass<br />
ki auf unendlich gesetzt wird. Dazu werden die, zu aktivierenden<br />
Ungleichheitsnebenbedingungen h(x), in die Lagrange-Funktion aufgenommen.<br />
L = F(x)+λ T gg(x)+λThh(x) (2.14)<br />
Somit ändert sich die Dimension der Hess’schen Matrix mit jeder hinzugefügten<br />
oder entfernten Grenze wie folgt<br />
⎡<br />
⎢<br />
⎣<br />
∂ 2 L<br />
∂x 2<br />
∂ 2 L<br />
∂λg∂x<br />
∂ 2 L<br />
∂λh∂x<br />
<br />
∂ 2 T <br />
L ∂<br />
∂x∂λg<br />
2 L<br />
∂x∂λh<br />
0 0<br />
0 0<br />
Im Lagrange-<strong>Ansatz</strong> müssen nur verletzte Ungleichheitsnebenbedingungen<br />
eingetragen werden. Nachteil dieses OPF-Verfahrens ist die<br />
Bestimmung <strong>des</strong> richtigen Satzes von aktiven Grenzen. Zur schnellen<br />
Bestimmung <strong>des</strong> richtigen Begrenzungssatzes sind heuristische Methoden<br />
wie “trial-iterations ” [7] notwendig.<br />
2.3.3 Die sequentielle quadratische Programmierung<br />
Eine weit verbreitete Methode <strong>zur</strong> Behandlung eines OPF-Problems<br />
ist die iterative Anwendung eines Standard-Programmpakets <strong>zur</strong> quadratischen<br />
Optimierung [5, 6]. Dabei werden Zielfunktion und Nebenbedingungen<br />
in einem Arbeitspunkt durch quadratische, bzw. lineare<br />
Funktionen näherungsweise dargestellt. Das Ziel ist es nun, bei jeder<br />
Newton-Iteration eine mögliche oder durchführbare <strong>Lösung</strong> <strong>des</strong><br />
Problems zu finden. Folgen<strong>des</strong> lineare Gleichungssystem, das durch<br />
lineare Annäherung der nichtlinearen KKT Bedingungen (2.8) abgeleitet<br />
ist, stellt einen Schritt im Newton <strong>Lösung</strong>sverfahren dar.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
T<br />
⎤<br />
⎥<br />
⎦
24 KAPITEL 2. OPF GRUNDLAGEN<br />
∂ 2 L<br />
∂x2 <br />
<br />
<br />
∂ 2 <br />
L<br />
<br />
<br />
∂λ∂x<br />
∂ 2 <br />
L<br />
<br />
<br />
∂µ∂x<br />
x k ,λ k ,µ k<br />
x k<br />
x k<br />
<br />
∆x + ∂ 2 L<br />
∂x∂λ<br />
T x k<br />
<br />
∆λ + ∂ 2 L<br />
∂x∂µ<br />
T x k<br />
∆µ = − ∂L<br />
<br />
<br />
∂x<br />
∆x = − ∂L<br />
<br />
<br />
∂λ<br />
∆x ≤ − ∂L<br />
<br />
<br />
∂µ<br />
µ k + ∆µ ≥ 0<br />
diag{µ k } h(x) x k = 0<br />
(2.15)<br />
x k ,λ k ,µ k<br />
Man beachte, dass die letzte Bedingung in (2.15) direkt aus (2.8)<br />
übernommen wird. Ohne die letzte Bedingung, stellt (2.15) ein Problem<br />
von linearen Gleichheits- und Ungleichheitsnebenbedingungen<br />
dar. Mit den Abkürzungen<br />
Q = ∂ 2 L<br />
∂x 2<br />
<br />
<br />
<br />
<br />
c = ∂L<br />
∂x<br />
<br />
xk ,λk ,µ k<br />
A1 =<br />
A2 =<br />
<br />
∂ 2 L<br />
∂x∂λ<br />
<br />
∂ 2 L<br />
∂x∂µ<br />
T x k<br />
T x k<br />
x k ,λ k ,µ k<br />
=<br />
=<br />
<br />
Tx ∂g(x)<br />
∂x<br />
k<br />
<br />
Tx ∂h(x)<br />
∂x<br />
k<br />
b1 = ∂L<br />
<br />
<br />
∂λ<br />
<br />
xk = −g(xk )<br />
b2 = ∂L<br />
<br />
<br />
∂µ<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
x k<br />
= −h(x k )<br />
entspricht dies genau der Formulierung eines klassischen QP-Problems<br />
F = 1<br />
2 ∆xT Q∆x + c T ∆x −→ min (2.16)<br />
unter Berücksichtigung der linaren Nebenbedingungen<br />
A1∆x − b1 = 0 (2.17)<br />
x k<br />
x k
2.3. OPF DER KLASSE B 25<br />
A2∆x − b2 ≤ 0 (2.18)<br />
Die letzte ergänzende Gleichung von (2.15) wird in dieser Methode<br />
durch das Ungleichungssystem (2.18) approximiert und kann in expliziter<br />
Form weggelassen werden. Das System (2.15) liefert einen<br />
<strong>Lösung</strong>svektor<br />
und einen neuen Arbeitspunkt<br />
⎛<br />
⎝<br />
∆x k<br />
∆λ k<br />
∆µ k<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎞<br />
⎠<br />
x k+1 := x k +∆x k<br />
λ k+1 := λ k +∆λ k<br />
µ k+1 := µ k +∆µ k<br />
Der Arbeitspunkt wird <strong>zur</strong> Bildung der neuen Elemente <strong>des</strong> QP-Problems<br />
benötigt. Allerdings steigt, bei nicht separierbarer Zielfunktion,<br />
die Rechenzeit mit der Anzahl der Variablen xi. Deshalb empfiehlt sich<br />
diese Methode eher für OPF-Probleme kleinerer Dimensionen.<br />
2.3.4 Der “interior point ” -Algorithmus<br />
Der “interior point ” (IP)-Algorithmus geht ursprünglich von der <strong>Lösung</strong><br />
von LP-Problemen aus. Er wurde jedoch auf nicht-lineare Optimierungsprobleme<br />
erweitert [20, 21]. Mittels einer iterativen Methode<br />
werden sowohl die Gleichheitsnebenbedingungen wie auch die<br />
nicht-linearen Ungleichheitsnebenbedingungen der Optimalitätsbedingungen<br />
(2.8) gelöst. Die Methode basiert ebenfalls auf der <strong>Lösung</strong> der<br />
KKT-Bedingungen. Bei jeder Iteration erzeugt der Algorithmus eine<br />
<strong>Lösung</strong>, die allen KKT-Ungleichheitsnebenbedingungen genügt. Die<br />
Gleichheitsnebenbedingungen müssen aber nicht unbedingt je<strong>des</strong>mal<br />
erfüllt sein.
26 KAPITEL 2. OPF GRUNDLAGEN<br />
Die Anfangswerte der Variablen müssen so gewählt werden, dass alle<br />
Ungleichheitsnebenbedingungen erfüllt sind. Es können zum Beispiel<br />
die Werte aus einer Lastflussrechnung genommen werden. Falls die gefundenen<br />
Variablen ausserhalb der Grenzen liegen, müssen sie wieder<br />
auf Werte <strong>zur</strong>ückgesetzt werden, welche alle Ungleichheitsnebenbedingungen<br />
erfüllen.<br />
Heute erscheint die sogenannte “primal-dual ” -Methode als die effizienteste<br />
praktische Anwendung der IP-Methoden. Sie formuliert sowohl<br />
das “primal ” als auch das “dual ” LP-Problem in einer einzigen<br />
Problemformulierung. Diese kombinierte mathematische Formulierung<br />
entspricht genau den KKT-Optimalitätsbedingungen, die in<br />
einer “dual ” LP-Formulierung angewandt werden.<br />
Die Klasse der “primal-dual ” -IP Algorithmen löst also die nichtlinearen<br />
KKT-Bedingungen durch Anwenden einer modifizierten Version<br />
<strong>des</strong> Newton-Algorithmus. Die Änderung <strong>des</strong> Newton-Algorithmus<br />
umfasst einige Aspekte, die allen IP-Verfahren gemeinsam sind.<br />
Erstens werden die Ungleichheitsnebenbedingungen<br />
h(x) ≤ 0<br />
in Gleichheitsnebenbedingungen umgewandelt. Dies geschieht durch<br />
das Einführen von “slack ” -Variablen z<br />
h(x)+z=0<br />
Die “slack ” -Variablen z müssen positiv sein.<br />
z ≥ 0<br />
Zweitens muss der Startpunkt für das iterative <strong>Lösung</strong>sverfahren für<br />
alle Variablen, einschliesslich der “slack ” -Variablen, zulässig sein. Zulässig<br />
bedeutet, dass die <strong>Lösung</strong> alle Ungleichheitsnebenbedingungen<br />
z ≥ 0 befriedigen muss.<br />
Man kann zeigen, dass ein konvexes Optimierungsproblem nur unter<br />
den folgenden Voraussetzungen zu einer optimalen <strong>Lösung</strong> führt:<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
2.3. OPF DER KLASSE B 27<br />
• Eine logarithmische Sperre wird als Ausdruck <strong>zur</strong> ursprünglichen<br />
Zielfunktion hinzugefügt. Das zu optimierende Problem wird neu<br />
formuliert mit<br />
F(x) := F(x)+ζ <br />
i ln(zi)<br />
g(x) = 0<br />
h(x)+z =0<br />
(2.19)<br />
Diese Formulierung impliziert durch den ln(zi)-Ausdruck, dass<br />
zi > 0seinmuss(ln(zi) mitzi≤0 existiert nicht als reelle Zahl!).<br />
• Die KKT-Optimalitätsbedingungen werden für dieses veränderte<br />
OPF-Problem wie folgt formuliert,<br />
∂<br />
∂x<br />
<br />
F(x)+ λTg(x)+µ T <br />
x<br />
h(x)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
=0<br />
g(x) = 0<br />
h(x)+z =0<br />
diag{µi} z = ζe<br />
wobei e der Einheitsvektor ist.<br />
(2.20)<br />
• Für jeden Schritt <strong>des</strong> Newton-Raphson-Algorithmus müssen die<br />
begrenzten Variablen µ und z immer die Ungleichheitsnebenbedingungen<br />
befriedigen. Das ist der Fall, wenn die Werte der<br />
Lagrange-Multiplikatoren der Ungleichheitsnebenbedingungen µ<br />
und der zugehörigen “slack ” -Variablen z immer positiv bleiben.<br />
Bei der Aktualisierung der Variablen werden zwei konstante Koeffiziente<br />
αµ und αz eingefügt.
28 KAPITEL 2. OPF GRUNDLAGEN<br />
x k+1 := x k + αz ∆x k<br />
λ k+1 := λ k + αµ ∆λ k<br />
µ k+1 := µ k + αµ ∆µ k<br />
z k+1 := z k + αz ∆z k<br />
Die maximale Schrittgrösse von αz, αµ muss so gewählt werden,<br />
dass alle µ k + αµ∆µ k und z k + αz∆z k positiv bleiben.<br />
und<br />
α ′<br />
µ = min<br />
∆µ k i
2.4. ERWARTUNGEN AN EINE NEUE M<strong>ETH</strong>ODE 29<br />
2.4 Erwartungen an eine neue Methode<br />
Die Analyse der bestehenden Algorithmen zeigt, dass bei jeder Methode,<br />
den Vorteilen zum Teil gewichtige Probleme und Nachteile gegenüberstehen.<br />
Das Ziel ist es nun, ein Verfahren <strong>zur</strong> Optimierung<br />
einer nichtlinearen Funktion zu entwickeln, das möglichst nur die Vorteile<br />
der zuvor beschriebenen Varianten vereinigt. So wurde, um sichere<br />
Konvergenz und mathematische Stabilität zu gewährleisten, als<br />
Grundlage eine Newton-Rapson-Annäherung gewählt. Eine schwachbesetzte<br />
Modellierung <strong>des</strong> OPF-Problems und zusätzlich eine automatische<br />
Erzeugung <strong>des</strong> linearen Gleichungssystems, sollte die geforderte<br />
hohe Geschwindigkeit und hohe Robustheit/Codequalität auch<br />
bei grossen Netzen liefern. Angestrebt wurde ein möglichst linearer<br />
Anstieg der Rechenzeit mit der Dimension <strong>des</strong> Optimierungsproblems.<br />
Besonderes Augenmerk sollte auf die Entwicklung einer effizienten Behandlung<br />
der Begrenzungen gelegt werden. Anders als bei bisherigen<br />
Implementierungen der Newton-Methode wurde eine Transformation<br />
der Karush-Kuhn-Tucker-Optimalitätsbedingungen verwendet.<br />
Im folgenden Kapitel wird ein neuer <strong>Ansatz</strong>, der “unlimited point ” -<br />
<strong>Ansatz</strong> <strong>zur</strong> Behandlung der KKT-Ungleichheitsnebenbedingungen<br />
durch ein Newton-Raphson-Verfahren dargelegt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
30 KAPITEL 2. OPF GRUNDLAGEN<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 3<br />
<strong>“Unlimited</strong> Point ” -Algorithmus<br />
3.1 Einführung<br />
In diesem Abschnitt wird das allgemeine nichtlineare OPF-Problem<br />
mit einer integrierten Methode gelöst. Die Problemlösung beruht<br />
weder auf einer QP, LP, “interior point ” - noch auf einer anderen<br />
Standard-Optimierungsmethode. Es wird nur ein Newton-Raphson-<br />
Algorithmus benutzt.<br />
Das Hauptprinzip dieser Methode besteht darin, transformierte Optimalitätsbedingungen<br />
mit einem Newton-Raphson-Verfahren zu lösen.<br />
Der Algorithmus enthält einige Gemeinsamkeiten mit der sequentiellen<br />
quadratischen Programmierung und dem “interior point ” -Algorithmus.<br />
Trotz dieser Ähnlichkeiten gehört die “unlimited point ” -Methode [29]<br />
aber nicht zu den zitierten Verfahren.<br />
3.2 Die transformierten KKT-Bedingungen<br />
Die klassische Formulierung eines nichtlinearen mathematischen Problems<br />
wird als Optimierungsproblem dargestellt.<br />
Minimiere F(x)<br />
mit g(x) = 0<br />
und h(x) ≤ 0<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
(3.1)<br />
Aus der Theorie lässt sich die Lagrange-Funktion L unter Berücksich-<br />
31
32 KAPITEL 3. “UNLIMITED POINT ” -ALGORITHMUS<br />
tigung der Gleichheits- und Ungleichheitsnebenbedingungen wie folgt<br />
herleiten.<br />
L = F(x)+λ T g(x)+µ T h(x) (3.2)<br />
Die notwendigen KKT-Optimalitätsbedingungen erster Ordnung sind<br />
hier wiederholt:<br />
∂L =<br />
∂x ∂<br />
<br />
∂x<br />
F(x)+λTg(x)+µ T <br />
h(x) | x, λ,µ = 0<br />
∂L<br />
∂λ = g(x)| x = 0<br />
∂L<br />
∂µ = h(x)| x ≤ 0<br />
diag{µ} ∂L<br />
∂µ = diag{µ} h(x)| x,µ<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
= 0<br />
µ ≥ 0<br />
(3.3)<br />
Die Formulierung der Optimalitätsbedingungen (3.3) eignet sich nicht<br />
für ein direktes <strong>Lösung</strong>sverfahren. Um ein lineares Gleichungssystem<br />
zu erhalten, muss man <strong>des</strong>halb die KKT-Bedingungen neu formulieren.<br />
Als erster Schritt werden die Ungleichheitsnebenbedingungen h(x) in<br />
Gleichheitsnebenbedingungen umgewandelt. Dies erfolgt, wie in der<br />
“interior point ” Theorie beschrieben, durch das Einführen von positiven<br />
“slack ” -Variablen z.<br />
mit<br />
h(x)+z=0 (3.4)<br />
z ≥ 0<br />
Die Gleichung (3.4) wird nach den Variablen z aufgelöst und in der<br />
vierten Optimalitätsbedingung von (3.3) eingesetzt.
3.2. DIE TRANSFORMIERTEN KKT-BEDINGUNGEN 33<br />
diag{µ} ∂L<br />
∂µ<br />
= −diag{µ} z = 0<br />
µ ≥ 0<br />
z ≥ 0<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
(3.5)<br />
Jetzt dürfen beide Ungleichheitsnebenbedingungen mit Hilfe <strong>des</strong> folgenden<br />
Schlüsselsatzes ersetzt werden:<br />
Das Optimum ist nur dann erfüllt, wenn alle µi und zi grösser<br />
oder gleich Null sind. Diese Bedingung kann durch eine<br />
Umformung der Variablen erfüllt werden, so dass beide ursprünglichen<br />
Variablen µi und zi immer positiv bleiben.<br />
Die Tatsache, dass die Variablen µi und zi positiv oder gleich Null<br />
sein müssen, darf benutzt werden, um alle µi in den Optimalitätsbe-<br />
zu ersetzen.<br />
dingungen mit µ 2s<br />
i und alle zi mit z2r i<br />
mit<br />
µi ⇒ µ 2s<br />
i und zi ⇒ z 2r<br />
i<br />
s = 0 und r = 0 und {r, s} ∈{Menge der ganzen Zahlen}<br />
(3.6)<br />
Mit diesen mathematischen Änderungen in den Optimalitätsbedingungen,<br />
ergeben sich folgende notwendige, transformierte Optimalitätsbedingungen.<br />
∂<br />
∂x<br />
<br />
F(x)+λ T g(x)+µ 2sT<br />
h(x)<br />
x<br />
=0<br />
g(x) = 0<br />
h(x)+z 2r =0<br />
diag{µ 2s<br />
i } z 2r = 0<br />
(3.7)<br />
Drei Probleme werden mit diesen erweiterten Optimalitätsbedingungen<br />
gelöst.
34 KAPITEL 3. “UNLIMITED POINT ” -ALGORITHMUS<br />
• Es gibt keine Ungleichheitsnebenbedingungen im zu optimierenden<br />
System mehr.<br />
• Die Werte der individuellen transformierten Variablen µi und zi<br />
sind unbegrenzt und dürfen während <strong>des</strong> Iterationverlaufes sowohl<br />
positiv als auch negativ sein. Das gilt auch für die <strong>Lösung</strong>.<br />
• Es wird nur eine <strong>Lösung</strong> für die transformierten Optimalitätsbedingungen<br />
erreicht. Die ursprünglichen Werte können bei vor-<br />
liegender <strong>Lösung</strong> der transformierten Optimalitätsbedingungen<br />
durch µ org<br />
i<br />
:= µ 2s<br />
i und z org<br />
i<br />
:= z 2r<br />
i berechnet werden.<br />
Andererseits entsteht aber ein neues Problem. Die besten Werte der<br />
Parameter s und r können aus der Theorie nicht eindeutig bestimmt<br />
werden.<br />
Nach Tests mit Netzen verschiedener Grössen haben die Werte r =2<br />
und s = 1 eine gute Konvergenz gegeben. Diese Erfahrung wird im<br />
Abschnitt 6.4.3 näher analysiert.<br />
Das Ziel <strong>des</strong> “unlimited point ” -Algorithmus ist die <strong>Lösung</strong> der transformierten<br />
Optimitätsbedingungen, so wie sie in (3.7) dargestellt wurden.<br />
Diese <strong>Lösung</strong> kann durch Benützen eines vereinfachten Newton-<br />
Raphson-Verfahrens erreicht werden, welches im nächsten Abschnitt<br />
erklärt wird.<br />
3.3 Newton-Raphson-<strong>Lösung</strong>sverfahren<br />
Die Idee, hinter einer <strong>Lösung</strong> der transformierten Optimalitätsbedingungen,<br />
ist die Formulierung eines konventionellen Newton-Raphson-<br />
Verfahrens, welches ein nichtlineares Gleichheitssystem lösen kann.<br />
Der Hauptschritt ist die <strong>Lösung</strong> eines linearen Gleichungssystems<br />
J · ∆v = RHS (3.8)<br />
wobei die Matrix J der Jacobimatrix der transformierten Optimalitätsbedingungsgleichungen<br />
entspricht und der Vektor RHS der rechten<br />
Seite (= “right-hand-side ” ) <strong>des</strong> linearen Gleichungssystems.<br />
Dieses Gleichungssystem stellt einen Schritt im <strong>Lösung</strong>sprozess <strong>des</strong><br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
3.3. LÖSUNGSVERFAHREN 35<br />
Newton-Raphson-Algorithmus dar. Zur Berechnung der Jacobimatrix<br />
müssen die partiellen Ableitungen in Bezug auf alle transformierten<br />
Problemvariablen v(x, λ, µ und z) berechnet werden. Das resultierende<br />
lineare Gleichungssystem lautet somit:<br />
<br />
∂ 2 F(x)<br />
∂x 2 +<br />
b<br />
<br />
λ<br />
i=1<br />
k ∂<br />
i<br />
2 gi(x)<br />
∂x 2<br />
d<br />
<br />
+ µ<br />
i=1<br />
k2s<br />
i<br />
+ ∂g(x)<br />
T<br />
∂x<br />
<br />
<br />
T x<br />
x ∂h(x)<br />
∆λ + 2s ·<br />
∂x<br />
k<br />
k<br />
= − ∂F(x)<br />
<br />
<br />
<br />
∂g(x)<br />
∂x −<br />
λ<br />
xk ∂x<br />
k <br />
∂h(x)<br />
−<br />
∂x<br />
∂g(x)<br />
∂x<br />
∂h(x)<br />
∂x<br />
<br />
<br />
<br />
x k<br />
<br />
<br />
<br />
x k<br />
T x k<br />
∂ 2 hi(x)<br />
∂x 2<br />
<br />
x<br />
∆x<br />
k<br />
· diag(µ k2s−1<br />
i )<br />
T x k<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
<br />
µ k2s<br />
∆µ<br />
(3.9)<br />
∆x = −g(x k ) (3.10)<br />
∆x +2r·diag(zk2r−1 i )∆z = −h(xk ) − zk2r <br />
2r · diag µ k2s<br />
i zk2r−1<br />
<br />
<br />
i ∆z +2s·diag<br />
<br />
= −diag µ k2s<br />
<br />
i zk2r µ k2s−1<br />
i<br />
z k2r<br />
<br />
i ∆µ<br />
(3.11)<br />
(3.12)<br />
Dabei entspricht b der Anzahl der Gleichheitsnebenbedingungen und<br />
d der Anzahl der Ungleichheitsnebenbedingungen.<br />
Die Gleichungen von (3.9) bis (3.12) stellen das lineare Gleichungssystem<br />
dar, welches während <strong>des</strong> iterativen Newton-Raphson-Prozesses<br />
gelöst werden muss.<br />
Für ein besseres Verständnis der Struktur <strong>des</strong> linearen Gleichungssystems,<br />
werden folgende Abkürzungen eingeführt:
36 KAPITEL 3. “UNLIMITED POINT ” -ALGORITHMUS<br />
Q =<br />
<br />
∂ 2 F(x)<br />
∂x2 +<br />
b<br />
i=1<br />
<br />
λ k i<br />
∂ 2 gi(x)<br />
∂x2 <br />
+<br />
d<br />
<br />
µ k2s<br />
i<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
i=1<br />
c ′ = ∂F(x)<br />
<br />
<br />
T x<br />
<br />
∂g(x)<br />
∂x +<br />
λ<br />
xk ∂x<br />
k<br />
k <br />
∂h(x)<br />
+<br />
∂x<br />
A1 = ∂g(x)<br />
<br />
<br />
<br />
∂x <br />
xk A2 = ∂h(x)<br />
<br />
<br />
<br />
∂x <br />
xk A ′ <br />
Tx ∂h(x)<br />
2 = 2s·<br />
diag(µ<br />
∂x<br />
k<br />
k2s−1<br />
i )<br />
A ′ <br />
3 = 2r·diag z k2r−1<br />
<br />
i<br />
<br />
A3 = 2s·diag<br />
µ k2s−1<br />
i<br />
z k2r<br />
<br />
i<br />
<br />
A4 = 2r·diag µ k2s<br />
i zk2r−1<br />
<br />
i<br />
b1 = −g(x k )<br />
b2 = −h(x k ) − z k2r<br />
<br />
b3 = −diag<br />
z k2r<br />
i<br />
<br />
µ k2s<br />
∂ 2 hi(x)<br />
∂x2 <br />
x<br />
k<br />
T x k<br />
µ k2s<br />
(3.13)<br />
Mit den Abkürzungen (3.13) nimmt das lineare System (3.8) folgende<br />
Form an:
3.3. LÖSUNGSVERFAHREN 37<br />
⎡<br />
Q<br />
⎢<br />
⎣<br />
AT 1 A ′<br />
A1<br />
A2<br />
0<br />
0<br />
2<br />
0<br />
0<br />
0<br />
0<br />
A ′<br />
⎤ ⎡ ⎤ ⎡<br />
∆x<br />
⎥ ⎢ ⎥ ⎢<br />
⎥ ⎢ ⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢ ∆λ<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢ ⎥ ⎢<br />
⎥·<br />
⎢ ⎥ = ⎢<br />
⎥ ⎢ ⎥ ⎢<br />
3 ⎥ ⎢ ∆µ ⎥ ⎢<br />
⎥ ⎢ ⎥ ⎢<br />
⎦ ⎣ ⎦ ⎣<br />
0 0 A3 A4 ∆z<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
−c ′<br />
b1<br />
b2<br />
b3<br />
⎤<br />
⎥<br />
⎦<br />
(3.14)<br />
Dieses schwachbesetzte lineare Gleichungssystem kann, bei gegebener<br />
Matrix und rechter Seite, mit einem robusten Standard-Algorithmus<br />
gelöst werden. In diesem Fall wird ein öffentlich verfügbares Softwarepaket<br />
[30] benutzt.<br />
Die resultierenden ∆-Variablen werden, wie in einem konventionellen<br />
Newton-Raphson-Algorithmus, aktualisiert. Dann wird das neue lineare<br />
Gleichungssystem wieder gelöst.<br />
Das <strong>Lösung</strong>sverfahren <strong>des</strong> Optimierungsproblems, formuliert durch<br />
die KKT-Bedingungen (3.3), kann also mit folgenden Schritten beschrieben<br />
werden:<br />
1. Die Anfangswerte für die Problemvariablen x o , λ o , µ o und z o<br />
wählen. Die Werte für r und s müssen fest zugewiesen sein.<br />
2. Das lineare schwachbesetzte Gleichungssystem (3.14) erzeugen<br />
und anschliessend lösen.<br />
3. Alle Variablen aktualisieren. Durch eine Steuerung der Schrittgrösse<br />
kann eine bessere Konvergenz erreicht werden.<br />
x k+1 = x k + α ∆x k<br />
λ k+1 = λ k + α ∆λ k<br />
µ k+1 = µ k + α ∆µ k<br />
z k+1 = z k + α ∆z k<br />
(3.15)<br />
Der Faktor α wird benützt, um den Newton-Raphson-Algorithmus<br />
zu dämpfen. Numerische Simulationsresultate (siehe Kapitel
38 KAPITEL 3. “UNLIMITED POINT ” -ALGORITHMUS<br />
6) haben gezeigt, dass der beste Wert von α von den Eigenschaften<br />
<strong>des</strong> aktuellen Optimierungsproblems abhängt.<br />
4. Falls alle absoluten Werte der rechten Seite <strong>des</strong> Gleichungssystems<br />
(3.14) kleiner als eine gegebene Toleranzschwelle ɛ sind,<br />
hat der Algorithmus konvergiert, andernfalls geht er weiter bei<br />
Punkt 2.<br />
3.4 Beispiel<br />
Der “unlimited point“-Algorithmus wird beispielhaft für die Optimierung<br />
eines klassischen LP-Problems angewendet. Das folgende einfache<br />
Problem soll optimiert werden:<br />
Minimiere x1 + x2 + x3<br />
mit −x1 + x2 =1<br />
x3<br />
=1<br />
und x1, x2 ≥0<br />
(3.16)<br />
Erstens muss das Optimierungsproblem (3.16) in die Form (3.1) umgewandelt<br />
werden.<br />
Minimiere F(x) =x1+x2+x3<br />
mit g1(x) =−x1+x2−1 = 0<br />
g2(x)=x3−1 = 0<br />
und h1(x) =−x1 ≤0<br />
h2(x)=−x2<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
≤0<br />
(3.17)<br />
Unter Berücksichtigung von (3.6) lässt sich die Lagrange-Funktion aus<br />
(3.17) wie folgt herleiten.<br />
L = x1+x2+x3+λ1(−x1+x2−1)+λ2(x3−1)+µ orig<br />
1 (−x1)+µ orig<br />
2 (−x2)<br />
Die notwendigen transformierten KKT-Optimalitätsbedingungen (3.7)<br />
werden aufgestellt.
3.4. BEISPIEL 39<br />
1 − λ1 − µ 2s<br />
1<br />
1+ λ1−µ 2s<br />
2<br />
= 0 (3.18)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
= 0<br />
1+ λ2 = 0<br />
−x1+x2−1 = 0<br />
x3−1 = 0<br />
− x1+z 2r<br />
1<br />
− x2+z 2r<br />
2<br />
µ 2s<br />
1 z2r 1<br />
µ 2s<br />
2 z2r 2<br />
= 0<br />
= 0<br />
= 0<br />
= 0<br />
Die Reihenfolge aller Problemvariablen wird im Vektor v gespeichert.<br />
v = {x1,x2,x3,λ1,λ2,µ1,µ2,z1,z2}<br />
Somit lässt sich das zu lösende lineare Gleichungssystem (3.14) leicht<br />
bestimmen. Für jeden Hauptschritt <strong>des</strong> Newton-Raphson-Verfahrens<br />
hat die Jacobimatrix J folgende Form:<br />
⎡<br />
⎢<br />
⎣<br />
0 0 0 −1 0 −2sµ k2s−1<br />
0 0 0 1 0<br />
1<br />
0<br />
0<br />
−2sµ<br />
0 0<br />
k2s−1<br />
0 0 0 0 1 0<br />
2<br />
0<br />
0<br />
0<br />
0<br />
0<br />
−1 1 0 0 0 0 0 0 0<br />
0 0 1 0 0 0 0 0 0<br />
−1 0 0 0 0 0 0 2rz k2r−1<br />
1<br />
0 −1 0 0 0 0 0 0 2rz k2r−1<br />
2<br />
0 0 0 0 0 2sµ k2s−1<br />
1<br />
0 0 0 0 0 0 2sµ k2s−1<br />
2<br />
zk2r 1 0 2rµ k2s<br />
1 zk2r−1 1<br />
zk2r 2 0 2rµ k2s<br />
2 zk2r−1 2<br />
DierechteSeiteRHS <strong>des</strong> linearen Gleichungssystems wird ebenfalls<br />
bestimmt:<br />
0<br />
0<br />
⎤<br />
⎥<br />
⎦
40 KAPITEL 3. “UNLIMITED POINT ” -ALGORITHMUS<br />
⎡<br />
⎢<br />
⎣<br />
− 1+λk 1 +µ k2s<br />
1<br />
−1−λk 1 +µ k2s<br />
2<br />
−1−λk 2<br />
xk 1 −xk 2 +1<br />
−xk 3 +1<br />
xk 1 −zk2r 1<br />
xk 2 −zk2r 2<br />
−µ k2s<br />
1 zk2r 1<br />
−µ k2s<br />
2 zk2r 2<br />
Um das OPF-Problem zu lösen, müssen die Anfangswerte aller Variablen<br />
v o eingegeben werden. Die Anfangswerte der Problemvariablen<br />
werden im Beispiel alle auf Eins gesetzt. Die Problemkonstanten r<br />
und s werden in einem ersten Lauf mit r =1,s= 1 und im zweiten<br />
Lauf mit r =2,s= 1 eingesetzt.<br />
Var. r=1,s=1 r=2,s=1<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎤<br />
⎥<br />
⎦<br />
x1 0.7836.10 −7 0.2964.10 −4<br />
x2 1.0000 1.0000<br />
x3 1.0000 1.0000<br />
λ1 −1.0000 −1.0000<br />
λ2 −1.0000 −1.0000<br />
µ1 µ1 2s<br />
µ2 µ2 2s<br />
z1 z1 2r<br />
z2 z2 2r<br />
1.4142 2.0000 1.4142 2.0000<br />
0.1108.10 −6 0.0122.10 −12 0.4192.10 −4 0.1757.10 −8<br />
0.0022 0.2526.10 −4 0.0764 0.3417.10 −4<br />
1.0000 1.0000 1.0000 1.0000<br />
Tabelle 3.1: Vergleich der optimalen Werte aller Variablen nach den zwei Rechnungen<br />
(r =1,s= 1 und r =2,s=1).
3.4. BEISPIEL 41<br />
Dieoptimale<strong>Lösung</strong> <strong>des</strong> Problems wird nach einigen Schritten gefunden.<br />
Die Ergebnisse der beiden Versuchen sind in der Tabelle 3.1<br />
zusammengefasst. Bei allen Läufen wurde α = 1 angenommen.<br />
X<br />
1.2<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
0<br />
−0.2<br />
−0.4<br />
C<br />
B<br />
A<br />
−0.6<br />
0 1 2 3 4 5 6 7<br />
Iteration<br />
Abbildung 3.1: Konvergenzverlauf der Variablen x1 (A), x2 (B) und x3 (C) (r =2,<br />
s=1)<br />
Mu<br />
3<br />
2.5<br />
2<br />
1.5<br />
1<br />
0.5<br />
0<br />
d<br />
c<br />
−0.5<br />
0 1 2 3 4 5 6 7<br />
Iteration<br />
Abbildung 3.2: Konvergenzverlauf der Variablen µ1 (a), µ1 2s (b), µ2 (c) und µ2 2s<br />
(d). Die gestrichelten Linien stellen die µ1 2s -bzw. µ2 2s -Variablen dar (r =2,s=1).<br />
In den Abbildungen 3.1, 3.2 und 3.3 wird der Verlauf der Variablen<br />
detailliert angezeigt.<br />
x1, x2, x3, µ1, µ2, µ 2s<br />
1<br />
, µ2s 2 , z1, z2, z2r 1<br />
und z2r<br />
2<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
b<br />
a
42 KAPITEL 3. “UNLIMITED POINT ” -ALGORITHMUS<br />
Z<br />
1.2<br />
1<br />
0.8<br />
0.6<br />
0.4<br />
0.2<br />
d<br />
c<br />
a<br />
b<br />
0<br />
0 1 2 3 4 5 6 7<br />
Iteration<br />
Abbildung 3.3: Konvergenzverlauf der Variablen z1 (a), z1 2r (b), z2 (c) und z2 2r (d).<br />
Die gestrichelten Linien stellen die z1 2r -bzw.z2 2r -Variablen dar (r =2,s=1).<br />
3.5 Zusammenfassung<br />
Der Vergleich dieses Algorithmus zu den vorangehenden Verfahren,<br />
zeigt einige Ähnlichkeiten mit dem “interior point ” -Algorithmus. Es<br />
handelt sich tatsächlich um ein dem “primal-dual ” -IP ähnliches Verfahren.<br />
Es bestehen jedoch einige Differenzen.<br />
Der wichtigste Unterschied ist die Abwesenheit <strong>des</strong> Sperrfaktors ζ und<br />
das Ersetzen <strong>des</strong> α <strong>des</strong> IP (α wird im IP <strong>zur</strong> Beibehaltung von “feasible<br />
solutions ” gebraucht) durch ein α <strong>des</strong> “unlimited point ” -Verfahrens<br />
(α wird <strong>zur</strong> Dämpfung <strong>des</strong> Newton-Raphson-Verfahrens verwendet).<br />
Auch die logarithmische Sperre in der Zielfunktion ist nicht mehr notwendig.<br />
Diese Elemente sind nicht mehr nötig, weil die Bedingungen<br />
µ ≥ 0 und z ≥ 0 mit µ 2s und z 2r immer befriedigt sind.<br />
Der Hauptvorteil dieses Algorithmus ist ein unbegrenzter Variablenbereich,<br />
welcher auch dem Algorithmus seine Bezeichnung “unlimited<br />
point ” gibt. Dies unterscheidet ihn vom “interior Point ” -Verfahren, wo<br />
die Werte der Variablen durch eine obere und untere Grenze begrenzt<br />
sind.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 4<br />
Struktur <strong>des</strong> <strong>“Unlimited</strong> Point ” -<br />
Algorithmus beim OPF-Problem<br />
4.1 Das elektrische Übertragungssystem<br />
Alle Grössen eines elektrischen Übertragungssystems wie Ströme, Leistungen<br />
und Spannungen sind zeitabhängige Variablen. Zur Aufstellung<br />
<strong>des</strong> Modells eines elektrischen Übertragungssystems wird folgen<strong>des</strong><br />
angenommen:<br />
• Die Ströme, Leistungen und Spannungen sind sinusförmige Grössen<br />
mit konstanter Amplitude. Dieser stationäre Zustand kann<br />
mit komplexen Variablen modelliert werden.<br />
• Das Lastfluss-Modell von einem dreiphasigen elektrischen Übertragungssystem<br />
wird als symmetrischer Betrieb betrachtet. Das<br />
erlaubt die Modellierung mit Hilfe von 2-Toren und 1-Toren.<br />
• Die Wirk- und Blindleistungsbelastungen an den Knoten müssen<br />
als bekannt vorausgesetzt werden. Sie stammen aus Messdaten<br />
oder Voraussagen.<br />
Diese Annahmen werden, sowohl in der vorliegenden Arbeit als auch<br />
in der Praxis, <strong>zur</strong> Darstellung von Modellen realer elektrischer Übertragungssysteme<br />
verwendet. Die wichtigsten Komponenten eines elektrischen<br />
Übertragungssystems unter Annahme der oben aufgeführten<br />
Bedingungen bestehen aus:<br />
• Freileitungen<br />
• Kabel<br />
43<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
44 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
• Transformatoren<br />
• Querimpedanzen<br />
Je<strong>des</strong> dieser passiven Elementen kann durch ein 2-Tor modelliert werden<br />
welches ein mathematisches Element zwischen zwei elektrischen<br />
Knoten i und j. Eine Ausnahme bilden die Querimpedanz-Elemente,<br />
die nur mit einem elektrischen Knoten i verbunden sind.<br />
Es wird ein elektrisches Verteilnetz mit n Knoten und m Zweigen betrachtet.<br />
Die Menge {n} aller Knoten besteht aus einer Menge von<br />
Generatoren {g}, von Lastknoten mit vorgegebenen Leistungen {k}<br />
und von Slackknoten {s}. DieMenge{m}aller Zweigen besteht aus<br />
einer Menge von Leitungen {l} und von Transformatoren {h}.<br />
4.2 N-Tor-Typen und deren mathematische Formulierung<br />
Das elektrische Verteilnetz wird durch die, aus der linearen Netzberechnung<br />
bekannten Admittanzmatrix Y dargestellt. Dabei sind die<br />
Zweige (Leitungen und Transformatoren) durch Π-Glieder definiert.<br />
Sie bestehen aus Widerständen und Reaktanzen. Im Lastfluss-Modell<br />
werden alle Grössen der Π-Glieder als numerisch bekannt angenommen.<br />
Ströme, Spannungen und die Elemente der Y-Matrix sind komplexe<br />
Grössen.<br />
oder<br />
⎡<br />
⎣<br />
i i−ji<br />
i i−jj<br />
⎤<br />
⎦ = ⎣<br />
i = Y.u (4.1)<br />
⎡<br />
Y ii Y ij<br />
Y ji Y jj<br />
⎤⎡<br />
ui ⎦⎣<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
u j<br />
⎤<br />
⎦ (4.2)<br />
Y ist die Admittanzmatrix <strong>des</strong> N-Tors. Aufgespalten in Real- und<br />
Imaginärteil ergibt sich:<br />
Y = G + jB (4.3)
4.3. DIE ZIELFUNKTION 45<br />
mit<br />
und<br />
⎡<br />
⎢<br />
G = ⎢<br />
⎣<br />
⎡<br />
⎢<br />
B = ⎢<br />
⎣<br />
G11 ··· G1n<br />
.<br />
...<br />
Gn1 ··· Gnn<br />
B11 ··· B1n<br />
.<br />
...<br />
Bn1 ··· Bnn<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
.<br />
.<br />
⎤<br />
⎥<br />
⎦<br />
⎤<br />
⎥<br />
⎦<br />
(4.4)<br />
(4.5)<br />
Ströme und Spannungen aufgespalten nach Real- und Imaginärteil ergeben:<br />
u i = ei + jfi (4.6)<br />
i i−ji = iei−j i + jifi−j i<br />
(4.7)<br />
Die Gleichung (4.2) aufgespaltet nach Real- und Imaginärteil ergibt<br />
also:<br />
⎡<br />
⎤ ⎛⎡<br />
⎤ ⎡ ⎤⎞⎡<br />
⎤<br />
⎣<br />
iei−j i + jifi−j i<br />
iei−j j + jifi−j j<br />
⎦ = ⎝⎣<br />
Gii Gij<br />
Gji Gjj<br />
⎦ + j ⎣<br />
Bii Bij<br />
Bji Bjj<br />
ei + jfi<br />
⎦⎠⎣<br />
ej + jfj<br />
⎦ (4.8)<br />
Die Modelle der benutzten elektrischen Komponenten werden im Anhang<br />
B detailliert angegeben.<br />
4.3 Die Zielfunktion<br />
Die Umsetzung einer in der Realität auftretenden Zielfunktion in eine<br />
mathematische Form, gestaltet sich nicht immer einfach. So müssen
46 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
nichtlineare, diskrete oder empirisch ermittelte Zusammenhänge durch<br />
Linearisierung oder quadratische Nachbildung in eine, für den jeweiligen<br />
Optimierungsalgorithmus geeignete Form, gebracht werden. Die<br />
in der Praxis am meisten benutzten Zielfunktionen sind Kosten- und<br />
Verlustminimierungsfunktionen.<br />
4.3.1 Kostenminimierung<br />
Die bisher bei weitem am häufigsten eingesetzte Zielfunktion ist die<br />
Minimierung der bei der Stromerzeugung anfallenden Kosten. Dabei<br />
wird für jeden regulierbaren Generator eine Kostenfunktion in<br />
Abhängigkeit der erzeugten Wirkleistung bestimmt. Allerdings sind<br />
diese Beziehungen in der Realität nicht immer konvex und differenzierbar.<br />
Je nach verwendetem Optimierungsalgorithmus wird daher<br />
die Funktion stückweise linearisiert oder quadratisch angenähert (siehe<br />
Abbildung 4.1) . Die eigentliche Zielfunktion ist somit die Summe<br />
über alle Kostenfunktionen.<br />
Kosten<br />
reale Kosten<br />
angenäherte Kosten<br />
Wirkleistung<br />
Abbildung 4.1: Typische Kostenfunktion und eine mögliche Annäherung für Speicherkraftwerke<br />
So ergibt die Zielfunktion allgemein<br />
F = <br />
fi(PGeni) → min (4.9)<br />
i∈{g}<br />
Dabei ist {g} die Menge der optimierbaren Generatoren und fi stellt<br />
die entsprechenden angenäherten Kostenfunktionen dar.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
4.3. DIE ZIELFUNKTION 47<br />
Nach einem Lagrange-<strong>Ansatz</strong> führen die Optimalitätsbedingungen dabei<br />
auf ein separierbares Gleichungssystem, dh. in der Hess’schen Matrix<br />
der Zielfunktion treten nur in der Diagonalen von Null verschiedene<br />
Elemente auf, was die eigentliche Optimierung stark vereinfacht.<br />
Da <strong>zur</strong> Optimierung nur Wirkleistungen verwendet werden, spricht<br />
man hier allgemein von einem “active power ” -OPF.<br />
4.3.2 Verlustminimierung<br />
Jede Übertragung von elektrischer Energie über Leitungen und Transformatoren<br />
ist mit Verlusten verbunden (Supraleitung wird hier nicht<br />
berücksictigt), die so klein wie möglich gehalten werden sollen. Dabei<br />
sind die globalen Verluste v als die Differenz zwischen den an den<br />
Generatoren eingespeisten und den an den Lasten abgegebenen Wirkleistungen<br />
definiert. Oder einfacher ausgedrückt: Die Verluste erhält<br />
man durch vorzeichenrichtiges Aufsummieren der Wirkleistungen-Einspeisungen<br />
und -Belastungen über alle Knoten.<br />
v =<br />
n<br />
i=1<br />
Da die Leistungen an den Lastknoten festgehalten werden sollen, genügt<br />
es, <strong>zur</strong> Verlustminimierung nur die Generatorleistungen in die<br />
Zielfunktion aufzunehmen. {g} ist wiederum die Menge der regulierbaren<br />
Generatoren.<br />
F = <br />
i∈{g}<br />
Pi = <br />
i∈{g}<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
Pi<br />
Re(uii ∗ i ) → min<br />
Ein derartiges System ist ohne Vernachlässigung nicht mehr ohne weiteres<br />
separierbar. Eine Methode, bei der alle Generatorgrössen Pi, Qi<br />
und ui optimiert werden, stellt als “active-reactive ” -OPF die mathematisch<br />
anspruchsvollste Variante <strong>des</strong> OPF dar.<br />
Im Gegensatz dazu kann die Verlustminimierung in einer Vereinfachung<br />
auch nur als “reactive only ” -OPF ausgeführt werden. Dabei<br />
werden die Wirkleistungen an den Generatoren festgehalten. Über<br />
die Variation der Generatorblindleistungen und Spannungen wird die<br />
Slack-Wirkleistung minimiert.
48 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
Eine andere Variante ist die Minimierung der Verluste in einem Gebiet,<br />
wobei als Gebiet ein Teil <strong>des</strong> gesamten modellierten Netzes darstellt.<br />
In diesem Fall sind, für jeden zwischen Knoten i und j liegenden Zweig<br />
<strong>des</strong> Gebiets, die Wirkleistungen von Knoten i zum Knoten j zu denjenigen<br />
vom Knoten j zum Knoten i zu addieren. Die Verluste in einem<br />
bestimmten Gebiet “a ” werden somit wie folgt berechnet:<br />
F =<br />
<br />
i−j∈Gebiet a<br />
(Pi−ji<br />
+ Pi−jj ) → min (4.10)<br />
Pi−ji +Pi−jj wird als Funktion von Spannungen und Zweigimpedanzen<br />
ausgedrückt:<br />
Pi−ji + Pi−jj = Re(u i(u iY ii + u jY ij) ∗ + u j(u iY ji + u jY jj) ∗ )<br />
= ei(eiGii − fiBii + ejGij − fjBij)+<br />
fi(eiBii + fiGii + ejBij + fjGij)+<br />
ej(eiGji − fiBji + ejGjj − fjBjj)+<br />
fj(eiBji + fiGji + ejBjj + fjGjj)+<br />
(4.11)<br />
Das Gebiet “a ” kann auch das gesamte modellierte elektrische Übertragungssystem<br />
umfassen.<br />
4.3.3 Einhalten eines vorgegebenen Spannungsprofils<br />
Oft stellt sich für den Netzbetreiber das Problem, in einem Gebiet<br />
“a ” ein vorgegebenes Spannungsprofil usoll möglicht gut einzuhalten.<br />
usoll stellt dabei noch keine <strong>Lösung</strong> einer Lastflussrechnung dar. Die<br />
Zielfunktion wird dann eine Summe der gewichteten Quadrate der Abweichungen:<br />
F = <br />
i∈a<br />
ki(|u i|−usolli )2 → min<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
4.4. GLEICHHEITSNEBENBEDINGUNGEN 49<br />
4.3.4 Kombination mehrerer Zielfunktionen durch Gewichtsfaktoren<br />
Grundsätzlich kann durch eine Optimierung im herkömmlichen Sinn<br />
nur eine skalare Zielfunktion minimiert werden. Sollen mehrere Zielfunktionen<br />
kombiniert werden, so müssen sie über Gewichtsfaktoren zu<br />
einer neuen Zielfunktion zusammengefasst werden. Daraus ergibt gezwungenermassen<br />
eine Kompromisslösung, da verschiedene Zielfunktionen<br />
gegenläufige <strong>Lösung</strong>en anstreben können. Ausserdem kommt<br />
hinzu, dass die Grösse der Gewichtungsfaktoren eine subjektive Entscheidung<br />
<strong>des</strong> Betreibers ist; verschiedene Gewichtungen führen zu<br />
unterschiedlichen <strong>Lösung</strong>en.<br />
4.4 Gleichheitsnebenbedingungen<br />
Bei der Optimierung müssen drei Typen von Gleichheitsnebenbedingungen<br />
berücksichtigt werden. Einerseits muss die <strong>Lösung</strong> der Lastflussgleichungen<br />
eingehalten werden, d.h. die Summe der Ströme bzw.<br />
der Leistungen in einem Knoten muss gleich Null sein. Dieses Gesetz<br />
von Kirchhoff ist an einem Knoten i in der Abbildung 4.2 dargestellt.<br />
G<br />
L<br />
i Gi<br />
i Li<br />
Knoten i<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
i i−ki<br />
i i−li<br />
i i−mi<br />
i Qi<br />
k<br />
l<br />
m<br />
Querimpedanz<br />
Abbildung 4.2: Ströme bei einem allgemeinen Knoten i
50 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
In diesem Fall wird die Summe der Ströme<br />
i Gi − i Li − i Qi −<br />
N<br />
ii−ji =0 ;i=1···N (4.12)<br />
j=1<br />
An jedem Knoten i wird die Summe der Generator- und Lastleistungen<br />
gebildet. Man erhält daraus eine totale Knotenwirkleistung Pi<br />
bzw. Knotenblindleistung Qi.<br />
Die Summe ii der Ströme iGi und iLi wird folgendermassen berechnet:<br />
i i = Pi + jQi<br />
ei + jfj<br />
= eiPi + fiQi<br />
e 2 i + f2 i<br />
+ j eiQi − fiPi<br />
e 2 i + f2 i<br />
(4.13)<br />
Die Real- und Imaginärteile der obigen Stromgleichung werden für<br />
jeden Netzknoten gerechnet und stellen die Lastflussgleichungen ge<br />
und gf <strong>des</strong> Systems dar.<br />
gei =Re(i i−i Qi −<br />
gfi =Im(i i−i Qi −<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
N<br />
j=1<br />
N<br />
j=1<br />
ii−ji ) = 0 (4.14)<br />
ii−ji ) = 0 (4.15)<br />
Die Gleichungen (4.2) und (4.13) werden mit (4.14) und (4.15) verknüpft.<br />
Als dritter Gleichheitsnebenbedingungstyp wird die vorgegebene Spannung<br />
|uo i | an den Generatorknoten eingehalten:<br />
guG i = e 2 i + f 2 i −|u o i| 2 = 0 (4.16)<br />
Diese Gleichheitsnebenbedingung wird nur bei einer Lastflussrechnung<br />
eingefügt, beim optimalen Lastfluss wird sie, wie später gezeigt wird,<br />
als eine Ungleichung verwendet.<br />
Das Einhalten <strong>des</strong> Spannungswinkels am Slackknoten Θo s wird die dritte<br />
und letzte Gleichheitsnebenbedingung:<br />
arctan( fs<br />
) − Θ<br />
es<br />
o s = 0 (4.17)
4.5. UNGLEICHHEITSNEBENBEDINGUNGEN 51<br />
Diese Bedingung steht aber meist nicht explizit im Gleichungssystem.<br />
Sie wird jedoch erfüllt, weil der Imaginärteil der Slackspannung fs als<br />
Konstante und nicht als Variable betrachtet wird.<br />
4.5 Ungleichheitsnebenbedingungen<br />
Alle numerischen Variablen der Gleichheitsnebenbedingungen müssen<br />
im optimalen Zustand die physikalischen Charakteristiken befriedigen.<br />
In dieser Arbeit werden als Ungleichheitsnebenbedingungen<br />
• die Knotenspannungen,<br />
• die Wirkleistungen der Generatoren,<br />
• die Blindleistungen der Generatoren,<br />
• die Zweigströme,<br />
• die Wirkleistungen der Zweige,<br />
• die Stufenstellungen der Transformatoren,<br />
• der Winkel der Stufenstellungen der Transformatoren<br />
begrenzt.<br />
4.5.1 Begrenzungen der Spannungsbeträge<br />
Für die oberen (max) und die unteren (min) Begrenzungen der Spannungsbeträge<br />
müssen für jeden Knoten nichtlineare Funktionen<br />
eingehalten werden.<br />
humax i = e 2 i + f 2 i − u2 maxi<br />
humin i = −e 2 i − f 2 i + u 2 mini<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
≤ 0<br />
≤ 0<br />
(4.18)
52 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
4.5.2 Begrenzungen von Generatorgrössen<br />
An den Generatorknoten muss die Möglichkeit einer Wirk- und Blindleistungsbegrenzung<br />
gegeben sein. Die restlichen Knoten haben vorgegebene<br />
Leistungen und benötigen keine Begrenzung.<br />
Folgenden Bedingungen müssen erfüllt sein:<br />
hPmax i = PGi<br />
− Pmaxi ≤ 0<br />
hPmin = −PGi + Pmini ≤ 0<br />
i<br />
hQmax i = QGi<br />
− Qmaxi ≤ 0<br />
hQmin = −QGi + Qmini ≤ 0<br />
i<br />
4.5.3 Begrenzungen von Zweigsgrössen<br />
(4.19)<br />
(4.20)<br />
Ebenso wie die Spannungsbegrenzungen sind die Begrenzungen <strong>des</strong><br />
maximalen Zweigstroms<br />
himax i−ji<br />
= i 2 ei−j i<br />
+ i 2 fi−j i<br />
≤ i 2 maxi−j i<br />
und der maximalen übertragbaren Wirkleistung<br />
hPmax i−ji<br />
= eiiei−j i + fiifi−j i ≤ Pmaxi−j i<br />
(4.21)<br />
(4.22)<br />
nichtlineare Funktionen. Die Ungleichheitsbedingungen existieren sowohl<br />
für Leitungen als auch für Transformatoren.<br />
4.5.4 Begrenzungen von Transformatorgrössen<br />
Die regulierbaren Transformatoren werden durch eine obere und eine<br />
untere Grenze <strong>des</strong> Betrags <strong>des</strong> Übersetzungsverhältnisses<br />
htmax i−ji<br />
htmin i−ji<br />
= t 2 rei−j i<br />
= −t 2 rei−j i<br />
+ t 2 imi−j i<br />
− t 2 imi−j i<br />
− t 2 maxi−j i<br />
+ t 2 mini−j i<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
≤ 0<br />
≤ 0<br />
(4.23)
4.6. DAS LINEARE GLEICHUNGSSYSTEM 53<br />
oder durch eine obere und eine untere Grenze <strong>des</strong> Winkel <strong>des</strong> Übersetzungsverhältnisses<br />
hΘtmax i−ji<br />
hΘtmin i−ji<br />
= arctan( timi−ji ) − Θtmaxi−j trei−ji i<br />
= − arctan( timi−ji )+Θtmini−j trei−ji i<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
≤ 0<br />
≤ 0<br />
(4.24)<br />
eingeschränkt.<br />
Falls, wie bei längsregelnder Stufenschalter-Transformator, der Betrag<br />
<strong>des</strong> Übersetzungsverhältnisses frei gelassen wird, muss der Winkel festgehalten<br />
werden. Man braucht also eine zusätzliche Gleichheitsnebenbedingung,<br />
um den Winkel konstant auf Θo ti−j zu halten:<br />
gΘti−j i = arctan( timi−j i<br />
trei−j i<br />
) − Θ o ti−j i<br />
= 0 (4.25)<br />
Umgekehrt muss der Betrag <strong>des</strong> Übersetzungsverhältnisses konstant<br />
auf |t o | gehalten werden, falls der Winkel variabel ist (Phasenschiebertransformatoren).<br />
gti−j i = t 2 rei−j i<br />
+ t 2 imi−j i<br />
4.6 Das lineare Gleichungssystem<br />
−|t o i−ji |2 = 0 (4.26)<br />
Aus der Verlustzielfunktion (4.10) oder (4.11), den Gleichheitsnebenbedingungen<br />
(4.14), (4.15), (4.16), (4.25), (4.26) und den Ungleichheitsnebenbedingungen<br />
(4.18), (4.19), (4.20), (4.21), (4.22), (4.23),<br />
(4.24) wird die Lagrange-Funktion (4.27) gebildet.<br />
L = <br />
i−j∈{m}<br />
(Pi−j + Pj−i)<br />
+λege + λfgf + λuGguG<br />
+λti−jgti−j + λΘti−jgΘti−j
54 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
+µumaxhumax + µuminhumin<br />
+µPmaxhPmax + µPminhPmin +µQmaxhQmax + µQminhQmin<br />
+µimax i−j himax i−j + µPmax i−j hPmax i−j<br />
+µtmax i−j htmax i−j + µtmin i−j htmin i−j<br />
+µΘtmax i−j hΘtmax i−j + µΘtmin i−j hΘtmin i−j<br />
(4.27)<br />
Die Optimalitätsvariablen werden durch die Vektoren x, λ, µ und z<br />
dargestellt. Wobei:<br />
{x} = { e, f ohne f <strong>des</strong> Slack-Knotens, PG, QG, trei−j , timi−j }<br />
{λ} = { λe, λf, λuG , λti−j , λΘti−j }<br />
{µ} = { µumax, µumin, µPmax, µPmin, µQmax, µQmin,<br />
µimax i−j , µPmax i−j , µtmax i−j , µtmin i−j , µΘtmax i−j , µΘtmin i−j }<br />
{z} = { zumax, zumin, zPmax, zPmin, zQmax, zQmin,<br />
zimax i−j , zPmax i−j , ztmax i−j , ztmin i−j , zΘtmax i−j , zΘtmin i−j }<br />
Durch die Ableitungen der Lagrange-Funktion nach allen variablen<br />
Grössen erhält man die Optimalitätsbedingungen, die durch einen<br />
Newton-Raphson-<strong>Ansatz</strong> gelöst werden können.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
4.6. DAS LINEARE GLEICHUNGSSYSTEM 55<br />
4.6.1 Blockorientierte Zusammensetzung<br />
Das lineare Gleichungssystem (3.14) wird in der Code-Implementation<br />
dieser Arbeit nicht durch die dort angenommene erwartete Reihenfolge<br />
der Variablen (zuerst alle {x} dann alle {λ} usw.) erzeugt, sondern<br />
durch eine blockorientierte Zusammensetzung <strong>des</strong> gesamten Gleichungssystems<br />
(3.14) .<br />
Zuerst muss man unterscheiden, ob die Variablen den Knoten oder den<br />
Zweigen zugeordnet werden können. Die Ableitungen der Lagrange-<br />
Funktion wird dann in der folgenden Reihenfolge durchgeführt: Zuerst<br />
werden die Ableitungen nach den Variablen <strong>des</strong> ersten Knotens bis zu<br />
denjenigen <strong>des</strong> Letzten berechnet. Die Reihenfolge der Variablen eines<br />
Knotens i wird also:<br />
mit<br />
Knoteni = {xKnoteni,λKnoteni,µKnoteni, zKnoteni} (4.28)<br />
{xKnoteni} = {ei,fi,PGi,QGi}<br />
{λKnoteni } = {λei ,λfi ,λuG i }<br />
{µKnoteni} = {µumax i ,µumin i ,µPmax i ,µPmin i ,µQmax i ,µQmin i }<br />
{zKnoteni} = {zumax i ,zumin i ,zPmax i ,zPmin i ,zQmax i ,zQmin i } (4.29)<br />
Dann werden die Ableitungen nach den Zweigvariablen gleichermassen<br />
zugeordnet. Die Reihenfolge der Variablen eines Zweiges i wird<br />
also:<br />
mit<br />
Zweigi = {xZweigi ,λZweigi ,µZweigi , zZweigi } (4.30)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
56 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
{xZweigi } = {trei−j i ,timi−j i }<br />
{λZweigi } = {λti−j i ,λΘti−j i }<br />
{µZweigi } = {µimax<br />
,µPmax<br />
,µtmax<br />
,µtmin<br />
,µΘtmax<br />
,µΘtmin }<br />
i−ji<br />
i−ji<br />
i−ji<br />
i−ji<br />
i−ji<br />
i−ji<br />
{zZweigi } = {zimax<br />
,zPmax<br />
,ztmax<br />
,ztmin<br />
,zΘtmax<br />
,zΘtmin }<br />
i−ji<br />
i−ji i−ji i−ji<br />
i−ji<br />
i−ji<br />
(4.31)<br />
Die Nicht-Null-Elemente werden dadurch in Blöcken zusammengezogen.<br />
Falls zwei Knoten nicht durch einen Zweig verbunden sind, bekommt<br />
man im Gleichungssystem einen Block mit Null-Elementen.<br />
1<br />
2<br />
G<br />
G<br />
Abbildung 4.3: Beispiel eines 3-Knoten Netzes<br />
In der Tabelle 4.1 wird diese Vorgehensweise an einem einfachen Beispiel<br />
gezeigt. Es handelt sich um ein 3-Knoten Netz (siehe Abbildung<br />
4.3). Je<strong>des</strong> X in der Tabelle entspricht einer Blockmatrix. Deren<br />
interne symbolischen Matrixelemente können in identischer Form in<br />
der Jacobimatrix <strong>des</strong> gesamten Gleichungssystems (3.14) verwendet<br />
werden. Knoten1 werden alle Knotenvariablen <strong>des</strong> ersten Knotens<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
3<br />
L
4.6. DAS LINEARE GLEICHUNGSSYSTEM 57<br />
gemäss (4.28) zugeordnet. Analog werden Zweig1−2 die Zweigvariablen<br />
gemäss (4.30) zugeordnet.<br />
Knoten1 Knoten2 Knoten3 Zweig1−2 Zweig2−3<br />
Knoten1 X X X<br />
Knoten2 X X X X X<br />
Knoten3 X X X<br />
Zweig1−2 X X X<br />
Zweig2−3 X X X<br />
Tabelle 4.1: Blockorientierte Zusammensetzung der Jacobimatrix der “unlimited<br />
point ” -Methode eines 3-Knoten Netzes<br />
Das zu lösende Gleichungssystem (3.8) sieht also wie folgt aus<br />
⎡<br />
Jk1,k1<br />
⎢ Jz1−2,k1 ⎢<br />
⎣<br />
Jk1,k2<br />
Jk2,k1<br />
Jk3,k2<br />
Jz1−2,k2<br />
Jk2,k2<br />
Jk3,k3<br />
Jk1,z1−2<br />
Jk2,z1−2<br />
Jz1−2,z1−2<br />
Jk2,z2−3<br />
Jk3,z2−3<br />
⎤ ⎡<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ · ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎥ ⎢<br />
⎦ ⎣<br />
∆vk1<br />
∆vk2<br />
∆vk3<br />
Jz2−3,k2 Jz2−3,k3 Jz2−3,z2−3<br />
<br />
Jacobimatrix<br />
⎡ ⎤<br />
RHSk1<br />
⎢ ⎥<br />
⎢ ⎥<br />
⎢ ⎥<br />
⎢ RHSk2 ⎥<br />
⎢ ⎥<br />
⎢ ⎥<br />
⎢ ⎥<br />
= ⎢ RHSk3 ⎥<br />
⎢ ⎥<br />
⎢ ⎥<br />
⎢ ⎥<br />
⎢ RHSz1−2 ⎥<br />
⎢ ⎥<br />
⎣ ⎦<br />
<br />
wobeiz.B.derVektor∆vk1<br />
RHSz2−3<br />
∆vz1−2<br />
∆vz2−3<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎤<br />
⎥<br />
⎦<br />
(4.32)<br />
die gesuchten Abweichungen der Kno-
58 KAPITEL 4. STRUKTUR DES ALGORITHMUS<br />
tenvariablen Knoten1 darstellt und analog der Vektor RHSz1−2 die<br />
gesuchten Abweichungen der Zweigvariablen Zweig1−2.<br />
4.6.2 Schwachbesetzte Blockmatrizen und Blockvektoren<br />
Diese blockorientierte Darstellung ermöglicht eine einfachere Automatisierung<br />
in der Erstellung der gesamten symbolischen Jacobimatrix<br />
und der entsprechenden rechten Seite <strong>des</strong> Gleichungssystems. Das gesamte<br />
Gleichungssystem (3.14) wird eine Menge von Blockmatrizen<br />
und Blockvektoren.<br />
Alle Blockmatrizen sind schwach besetzt. Dazu existieren auch mehreren<br />
Nullmatrizen, die nicht gespeichert werden.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 5<br />
Software-Entwicklung der<br />
Algorithmus-Komponenten<br />
5.1 Einführung<br />
Ein wesentlicher Punkt, der auf dem “unlimited point ” -Algorithmus<br />
basierten OPF-Software, ist die flexible und fehlerlose Erzeugung <strong>des</strong><br />
gesamten Gleichungssystems (3.14). Flexibel bedeutet, dass für je<strong>des</strong><br />
beliebige, elektrische Übertragungssystemelement die entsprechenden<br />
linearen Gleichungssystemkomponenten erzeugt werden können.<br />
Um einen fehlerlosen Code zu erzeugen, wird folgende Strategie verwendet.<br />
Zuerst muss nur der Code für ein allgemeines OPF-Problem<br />
(3.1) (F(x), g(x) und h(x)) in algebraischer Form angegeben werden;<br />
und zwar für N-Tor Typen wie in Kapitel 4 angegeben.<br />
Ausgehend von diesem allgemeinen OPF-Problem werden dann alle<br />
Komponenten (3.13) <strong>des</strong> gesamten linearen Gleichungssystems (3.14),<br />
die von den OPF-Problemfunktionen abhängig sind, automatisch, ebenfalls<br />
in algebraischer Form berechnet. Mit dieser Methode wird garantiert,<br />
dass in den komplexen Komponenten <strong>des</strong> Gleichungssystems<br />
(3.14) keine Programmierungsfehler mehr enthalten sind.<br />
Die Abbildung 5.1 zeigt das Verfahren <strong>zur</strong> Erstellung <strong>des</strong> zu lösenden<br />
Gleichungssystems (3.14) für den OPF-Algorithmus. Der “algebraische<br />
” Teil besteht aus der Kombination von einfachen Musternetzen,<br />
die aus drei Grundkomponenten (Knoten-Zweig-Knoten) zusammengesetzt<br />
sind. Dieser Teil baut eine Datenbank auf, die vom “numerischen<br />
” Teil benutzt wird.<br />
59<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
60 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Grundblock<br />
Teilmatrizen<br />
Maple ( Algebraisch )<br />
Teilvektoren<br />
Unterroutinen<br />
Jacobimatrix<br />
rechte Seite<br />
Maple ( Algebraisch )<br />
Fortran ( Algebraisch )<br />
Fortran ( Numerisch )<br />
Abbildung 5.1: Aufbauschema <strong>zur</strong> Erstellung der Teilvektoren und der Teilmatrizen<br />
Als erster Schritt (Grundblöcke) wird für je<strong>des</strong> benutzte Musternetz<br />
das entsprechende symbolische Gleichungssystem, wie im Abschnitt<br />
4.6.1 bezeichnet, explizit berechnet, wobei alle Parameter und Unbekannte<br />
mit symbolischen algebraischen Namen bezeichnet werden.<br />
In einer zweiten Phase wird je<strong>des</strong> erzeugte Gleichungssystem in mehrere<br />
Teilvektoren und Teilmatrizen unterteilt, welche die Blockvektoren<br />
RHSi bzw. die Blockmatrizen Ji,i <strong>des</strong> Systems darstellen. Es<br />
ist möglich, dass ein Blockvektor oder eine Blockmatrix von den Variablen<br />
oder Konstanten verschiedener Grundkomponenten abhängig<br />
ist. In diesem Fall werden die Blöcke in mehrere Teile getrennt, welche<br />
nur von den Elementen einer Grundkomponente abhängig bleiben.<br />
Die Summe der aufgestellten Teilvektoren und Teilmatrizen muss wieder<br />
das ursprüngliche lineare Gleichungssystem ergeben.<br />
Im dritten Schritt wird jeder erzeugte Teilvektor und jede Teilmatrix<br />
als Fortran-Unterroutine gespeichert. Für jeden Vektor und jede Matrix<br />
wird eine eigene Unterroutine automatisch generiert.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.1. EINFÜHRUNG 61<br />
Die gespeicherten Unterroutinen werden in der vierten und letzten<br />
Phase durch das Hauptoptimierungsprogramm für die Erzeugung <strong>des</strong><br />
gesamten linearen Gleichungssystems aufgerufen. Die Summe der Teilmatrizen<br />
ergeben die Jacobimatrix, die Summe der Teilvektoren bauen<br />
die rechte Seite <strong>des</strong> Gleichungssystems auf. Die numerischen Werte<br />
(für Parameter und zustandsabhängige Funktionen) werden nur in<br />
diesem Schritt eingesetzt. Das gesamte lineare Gleichungssystem kann<br />
jetzt mit Hilfe eines öffentlich verfügbaren Softwarepaketes [30] gelöst<br />
werden.<br />
Die ersten zwei Schritte werden mit Hilfe der Entwicklungsumgebung<br />
“Maple V ” programmiert. Die in den ersten Phasen abgeleiteten algebraischen<br />
Funktionen werden als auto-generierte Fortran-Unterroutinen<br />
in den Phasen 3 und 4 wieder verwendet.<br />
5.1.1 Eigenschaften von “Maple V ”<br />
Die Entwicklungsumgebung “Maple V ” [31] wurde erfolgreich für die<br />
Erzeugung der symbolischen Gleichungen sowie der entsprechenden<br />
Teilvektoren und Teilmatrizen angewendet.<br />
“Maple V ” ist ein System für die mathematische symbolische Berechnung<br />
und wurde an der Universität Waterloo und an der Eidgenössischen<br />
Technischen Hochschule <strong>Zürich</strong>, um komplexe algebraische Probleme<br />
zu lösen, entwickelt.<br />
Dieses Paket wird in der vorliegenden Arbeit vor allem benutzt wegen<br />
seiner besonderen Fähigkeiten, Matrizen zu behandeln, algebraische<br />
Ableitungen zu berechnen und komplexe Ausdrücke zu vereinfachen.<br />
“Maple V ” bietet zudem die Möglichkeit, beliebige symbolische Ausdrücke<br />
in anderen Programmiersprachen (C und Fortran) automatisch<br />
zu konvertieren.<br />
5.1.2 Anpassungsfähigkeit für Änderungen und Ergänzungen<br />
Die Bauart durch Blöcke und die Benutzung von einfacheren Musternetzen<br />
(2-Knoten Netz) erleichtert Änderungen und Ergänzungen der<br />
Software. Es ist so einfach möglich, das lineare Gleichungssystem z.B.<br />
durch eine neue transformierte Ungleichheitsnebenbedingung zu er-<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
62 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
weitern.<br />
Dieses ist nur nach einer Änderung der betreffenden Grundkomponente<br />
und also auch der entsprechenden Teilvektoren und Teilmatrizen<br />
notwendig. “Maple V ” erlaubt es, neue Elemente einfach symbolisch<br />
zu addieren. Die Übersetzung der Teilvektoren und Teilmatrizen in<br />
Fortran-Unterroutinen stellt kein Problem dar, weil sie automatisch<br />
mittels eines “Maple V ” -Programms durchgeführt wird.<br />
5.1.3 Benutzte Grundkomponenten<br />
Das Problem wird durch das Entwickeln von typischen Grundblöcken<br />
gelöst, aus denen je<strong>des</strong> beliebige elektrische Übertragungssystem zusammengesetzt<br />
werden kann.<br />
In der vorliegenden Arbeit werden vier Grundkomponenten benutzt:<br />
• Slackknoten<br />
• allgemeine Knoten (Generator- und/oder Lastknoten)<br />
• Übertragungsleitungen<br />
• Transformatoren<br />
Die Querimpedanzen werden direkt in den zugehörigen Knoten (Slackknoten<br />
und allgemeiner Knoten) integriert. Das bedeutet, dass in<br />
den Knotenblockskomponenten auch die Querimpedanzblöcke enthalten<br />
sind.<br />
Jede Grundkomponente beeinflusst das lineare Gleichungssystem (3.14)<br />
individuell. Dieser Einfluss bestimmt die Teilmatrizen und die entsprechenden<br />
Vektoren der Komponenten.<br />
5.2 Erzeugung der Teilvektoren und Teilmatrizen<br />
Das gesamte Gleichungssystem (3.14) ist eine Summe von Teilvektoren<br />
und Teilmatrizen. Die Erzeugung aller Teilelemente wird mit Hilfe<br />
von einfacheren 2-Knoten Musternetzen, die in algebraischer Form<br />
dargelegt sind, durchgeführt. Für eine einfache Behandlung werden<br />
drei verschiedene Musternetze benutzt und zwar:<br />
1. allgemeiner Knoten-Übertragungsleitung-Slackknoten<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.2. ERZEUGUNG DER TEILELEMENTE 63<br />
2. Slackknoten-Übertragungsleitung-allgemeiner Knoten<br />
3. allgemeiner Knoten-Transformator-Slackknoten<br />
Die Teilelemente der allgemeinen Knoten und der Übertragungsleitungen<br />
werden aus dem ersten Netz und die der Slackknoten aus dem<br />
zweiten genommen. Die Teilelemente der Transformatoren werden<br />
schliesslich aus dem dritten Musternetz abgeleitet. Je<strong>des</strong> Musternetz<br />
wird aber mit der gleichen Methode behandelt, welche in den folgenden<br />
Abschnitten beschrieben wird.<br />
5.2.1 “Maple V ” Umgebung<br />
Nachdem alle Unbekannten und Parameter algebraisch definiert sind,<br />
wird die Admittanzmatrix Y <strong>des</strong> elektrischen Netzes berechnet. Die<br />
benötigten Gleichheits- und Ungleichheitsnebenbedingungen werden<br />
ebenfalls gebildet. Die algebraische Form der Zielfunktion kommt in<br />
diesem Teil nicht vor. Sie wird nachher separat mit eigenen Teilvektoren<br />
und Teilmatrizen in das Gleichungssystem eingefügt, um die<br />
eventuellen Erweiterungen oder Änderungen in der Zielfunktion flexibel<br />
zu ermöglichen.<br />
Die Lagrange-Funktion L sieht also ähnlich aus wie (4.27), nur ohne<br />
Zielfunktion. Mit der berechneten Lagrange-Funktion kann jetzt die<br />
rechte Seite <strong>des</strong> linearen Gleichungssystems (3.14) gebildet werden.<br />
In der “Maple V ” -Umgebung werden die Ableitungen der Lagrange-<br />
Funktion nach dem Variablenvektor x automatisch gebildet.<br />
Jeder Knoten i <strong>des</strong> elektrischen Verteilnetzes erzeugt folgenden Teil<br />
der rechten Seite (right hand side (RHS)):<br />
mit<br />
RHSKnoteni = {−c ′ , b1, b2, b3} (5.1)<br />
c ′ = { ∂L<br />
∂ei<br />
, ∂L<br />
,<br />
∂fi<br />
∂L<br />
,<br />
∂Pi<br />
∂L<br />
}<br />
∂Qi<br />
b1 = { −gei ,−gfi ,−guG i }<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
64 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
b2 = {−(humax + z<br />
i 2r<br />
umax ), −(humin + z<br />
i<br />
i 2r<br />
umin ),<br />
i<br />
−(hPmax + z<br />
i 2r<br />
), −(hPmin + z Pmaxi i 2r<br />
), Pmini −(hQmax + z<br />
i 2r ), −(hQmin + z Qmaxi i 2r )} Qmini b3 = {−µ 2s<br />
umax z<br />
i<br />
2r<br />
umax , −µ<br />
i<br />
2s<br />
umin z<br />
i<br />
2r<br />
umin ,<br />
i<br />
−µ 2s<br />
z Pmaxi 2r<br />
, −µ Pmaxi 2s<br />
z Pmini 2r<br />
, Pmini −µ 2s<br />
z Qmaxi 2r<br />
, −µ Qmaxi 2s<br />
z Qmini 2r<br />
} (5.2)<br />
Qmini Jeder Zweig i <strong>des</strong> elektrischen Verteilnetzes erzeugt folgenden Teil der<br />
rechten Seite:<br />
mit<br />
c ′ = {− ∂L<br />
RHSZweigi−j = {−c′ , b1, b2, b3} (5.3)<br />
∂trei−j i<br />
, − ∂L<br />
∂trei−j i<br />
b1 = {−gti−j i , −gΘti−j i }<br />
b2 = {−(himax i−ji<br />
−(htmax i−ji<br />
−(hΘtmax i−ji<br />
}<br />
+ z 2r<br />
), −(hPmax imaxi−ji i−ji<br />
+ z 2r<br />
), −(htmin tmaxi−ji i−ji<br />
+ z 2r<br />
), −(hΘtmin Θtmaxi−ji i−ji<br />
b3 = {−µ 2s<br />
imax z<br />
i−ji<br />
2r<br />
imax , −µ<br />
i−ji<br />
2s<br />
Pmax z<br />
i−ji<br />
2r<br />
Pmax ,<br />
i−ji<br />
+ z 2r<br />
), Pmaxi−ji + z 2r<br />
), tmini−ji + z 2r<br />
)}<br />
Θtmini−ji Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.2. ERZEUGUNG DER TEILELEMENTE 65<br />
−µ 2s<br />
tmax z<br />
i−ji<br />
2r<br />
tmax , −µ<br />
i−ji<br />
2s<br />
tmin z<br />
i−ji<br />
2r<br />
tmin ,<br />
i−ji<br />
−µ 2s<br />
z Θtmaxi−ji 2r<br />
, −µ Θtmaxi−ji 2s<br />
z Θtmini−ji 2r<br />
} (5.4)<br />
Θtmini−ji Die rechte Seite <strong>des</strong> linearen Gleichungssystems eines Musternetzes<br />
wird der gesamte Satz der RHS-Blockvektoren <strong>des</strong> ersten und <strong>des</strong><br />
zweiten Knotens (5.1) und der RHS-Blockvektoren <strong>des</strong> dazwischenliegenden<br />
Zweiges (5.3):<br />
RHSMuster = {RHSKnoteni , RHSKnotenj , RHSZweigi−j } (5.5)<br />
Die Jacobimatrix <strong>des</strong> gesamten Gleichungssystems wird für ein allgemeines<br />
Musternetz durch die symbolische Ableitung der rechten Seite<br />
RHSMuster nach allen Variablen gebildet. In “Maple V ” wird dies<br />
durch einen einzigen Befehl (“jacobian ” ) durchgeführt. Das Ergebnis<br />
ist eine Matrix mit einer blockorientierten Zusammensetzung (siehe<br />
Abschnitt 4.6.1).<br />
⎡<br />
⎢<br />
JMuster = ⎢<br />
⎣<br />
JKnoteni,Knoteni<br />
JKnotenj,Knoteni<br />
JZweigi−j,Knoteni<br />
JKnoteni,Knotenj JKnoteni,Zweigi−j<br />
JKnotenj,Knotenj JKnotenj,Zweigi−j<br />
JZweigi−j,Knotenj JZweigi−j,Zweigi−j<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎤<br />
⎥<br />
⎦<br />
(5.6)<br />
Für jeden Block dieses Gleichungssystems werden die verschiedenen<br />
Einflüsse der Grundelemente Knoteni, Knotenj und Zweigi−j unterschieden.<br />
Die Blockmatrizen JKnoteni,Knoteni und JKnotenj,Knotenj und<br />
die Blockvektoren RHSKnoteni und RHSKnotenj enthalten sowohl Variablen<br />
und Konstanten der zugehörigen Knoten als auch Parameter<br />
<strong>des</strong> Zweiges. Die Zweigparameter kommen aus den Lastflussgleichungen<br />
(4.14) und (4.15), in denen auch die Zweigströme ii−ji bzw. ii−jj<br />
enthalten sind. Die Blöcke werden in zwei Teile getrennt. Der erste<br />
Teil besteht nur aus den Variablen und Konstanten der Knoten und<br />
der zweite Teil aus den Variablen und Konstanten der Zweigelemente.
66 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Die Summe der beiden Teile muss wieder die ursprünglichen Blockmatrix<br />
bzw. Blockvektor ergeben. Die Blockmatrix der Knoten i wird<br />
z.B. wie folgt unterteilt:<br />
JKnoteni,Knoteni = JKnotenKnoten i ,Knoten i + JZweigKnoten i ,Knoten i<br />
Die Nebendiagonalmatrizen JKnoteni,Knotenj und JKnotenj,Knoteni bestehen<br />
nur aus den Elementen <strong>des</strong> Zweiges vom Knoten i zum Knoten<br />
j.<br />
Nach der Erzeugung der Jacobimatrix JMuster und der rechten Seite<br />
RHSMuster der drei Musternetze werden für jede Grundkomponente<br />
die folgenden Teilmatrizen und Teilvektoren gefunden:<br />
• Slackknoten: RHSSlackKnoten i ,JSlackKnoten i ,Knoten i<br />
• Allgemeine Knoten: RHSKnotenKnoten i ,JKnotenKnoten i ,Knoten i<br />
• Übertragungsleitung (Lt):<br />
JLtKnoten i ,Knoten i , JLtKnoten i ,Lt i−j , JLtKnoten i ,Knoten j ,<br />
JLtKnoten j ,Knoten j , JLtKnoten j ,Knoten i , JLtKnoten j ,Lt i−j ,<br />
JLtLt i−j ,Knoten i , JLtLt i−j ,Knoten j , JLtLt i−j ,Lt i−j ,<br />
RHSLtKnoten i , RHSLtKnoten j , RHSLtLt i−j<br />
• Transformatoren (Tr):<br />
JTrKnoten i ,Knoten i , JTrKnoten i ,Tr i−j , JTrKnoten i ,Knoten j ,<br />
JTrKnoten j ,Knoten j , JTrKnoten j ,Knoten i , JTrKnoten j ,Tr i−j ,<br />
JTrTr i−j ,Knoten i , JTrTr i−j ,Knoten j , JTrTr i−j ,Tr i−j ,<br />
RHSTrKnoten i , RHSTrKnoten j , RHSTrTr i−j<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.3. BERÜCKSICHTIGUNG VON OPTIMIERUNGSVARIABLEN 67<br />
Die gefundenen Teilvektoren und Teilmatrizen werden separat im “Maple<br />
V ” -Format gespeichert.<br />
Die Erzeugung der Teilvektoren und der Teilmatrizen der Zielfunktion<br />
geschieht durch ein identisches Verfahren. In diesem Fall enthält die<br />
Lagrangefunktion L nur die Zielfunktion.<br />
Diese Methode bietet die Möglichkeit Zielfunktionen zu erweitern, ohne<br />
dass die bestehenden Teilvektoren oder Teilmatrizen geändert werden<br />
müssen. In der vorliegenden Arbeit wird hauptsächlich die Minimierung<br />
der gesamten Verluste eines elektrischen Übertragungsnetzes<br />
durch die Formel (4.10) als Zielfunktion betrachtet.<br />
5.2.2 Fortran Umgebung<br />
Die Teilvektoren und die Teilmatrizen werden von “Maple V ” auf<br />
Fortran-Unterroutinen übertragen. Dieser Sprachenwechsel hat folgende<br />
Vorteile:<br />
• Die Laufzeit von “Maple V ” -Programmen ist für rein numerische<br />
Berechnungen viel länger als mit Fortran<br />
• Numerische, iterative Probleme sind mit Fortran einfacher lösbar<br />
Dieoptimale<strong>Lösung</strong> besteht darin, “Maple V ” für die algebraischen<br />
Vorberechnungen und Fortran-Codegenerierung und Fortran für die<br />
numerischen Berechnungen zu brauchen.<br />
Das Softwarepaket Macrofort [32] ermöglicht eine vollständige Erzeugung<br />
von Fortran-Code aus “Maple V ” . Dieses Paket enthält eine Reihe<br />
von Makrobefehlen, welche die Erzeugung von Fortran-Unterroutineninder“MapleV<br />
” -Umgebung vereinfachen.<br />
In der vorliegenden Arbeit werden alle erzeugten Teilvektoren und<br />
Teilmatrizen mit Hilfe von Macrofort in Unterroutinen umgewandelt.<br />
Dieser Schritt wird durch ein “Maple V ” -Programm vollautomatisch<br />
durchgeführt.<br />
5.3 Berücksichtigung von Optimierungsvariablen<br />
Für die Erzeugung der Jacobimatrix und der rechten Seite <strong>des</strong> linearen<br />
Gleichungssystems (3.14) eines Optimierungsproblems wird eine<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
68 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Reihenfolge aller Problemvariablen benötigt. In dieser Reihenfolge<br />
werden die Teilvektoren und die Teilmatrizen an den geeigneten Stellen<br />
<strong>des</strong> linearen Gleichungssystems eingefügt. In der Abbildung 5.2<br />
wird dieses Aufbauschema <strong>zur</strong> Erstellung <strong>des</strong> gesamten Gleichungssystems<br />
schematisch dargestellt.<br />
Konfiguration Reihenfolge<br />
Netzdaten aller Variablen<br />
Jacobimatrix<br />
und<br />
rechte Seite<br />
Unterroutinen<br />
Abbildung 5.2: Aufbauschema <strong>zur</strong> Erstellung <strong>des</strong> gesamten Gleichungssystems<br />
Die Reihenfolge enthält die berücksichtigten Optimierungsvariablen,<br />
die durch die Konfiguration und die Netzdaten <strong>des</strong> elektrischen Übertragungsnetzes<br />
bestimmt werden. Das bedeutet, dass nicht alle Optimierungsvariablen<br />
von Knoten (4.28) und Zweigen (4.30) berücksichtigt<br />
sein müssen.<br />
Ein 3-Knoten Netz, wie es z.B. in der Abbildung 4.3 gezeigt wurde,<br />
wird durch<br />
• einen Slackknoten (Knoten1),<br />
• einen Generatorknoten (Knoten2),<br />
• einen Lastknoten (Knoten3),<br />
• eine Übertragungsleitung (Zweig1−2)(L),<br />
• und einen Transformator mit regelbarem Übersetzungsverhältnis<br />
(Zweig2−3)(T)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.3. BERÜCKSICHTIGUNG VON OPTIMIERUNGSVARIABLEN 69<br />
gebildet.<br />
Die Informationen über die Berücksichtigung der Optimierungsvariablen<br />
(siehe Tabellen 5.1 und 5.2 ) werden in einer Datei vor Beginn<br />
der Optimierungsrechnung gespeichert.<br />
Berücksichtigte Knotenvariablen<br />
Knoten e f PG QG ge gf guG umax umin Pmax Pmin Qmax Qmin<br />
1 1 0 1 1 1 1 0 0 0 1 1 1 1<br />
2 1 1 0 1 1 1 0 1 1 0 0 1 1<br />
3 1 1 0 0 1 1 0 1 1 0 0 0 0<br />
Tabelle 5.1: Berücksichtigte Knotenvariablen eines 3-Knoten Netzes<br />
Berücksichtigte Zweigvariablen<br />
Knoten<br />
Typ von zu tre tim gt gΘt imax Pmax tmax tmin Θtmax Θtmin<br />
L 1 2 0 0 0 0 1 1 0 0 0 0<br />
T 2 3 1 1 0 1 1 1 1 1 0 0<br />
Tabelle 5.2: Berücksichtigte Zweigvariablen eines 3-Knoten Netzes<br />
Die berücksichtigten Variablen werden in der erzeugten Datei durch<br />
Einser bezeichnet. Durch umax, umin, Pmax, Pmin, Qmax, Qmin, imaxi−j,<br />
Pmaxi−j, tmaxi−j, tmini−j, Θtmaxi−j und Θtmini−j werden die Optimierungsvariablen<br />
µ und z der entsprechenden Ungleichheitsnebenbedingungen<br />
gesammelt. Die Variablen λ der Gleichheitsnebenbedingungen<br />
werden durch ge, gf, guG, gti−j und gΘti−j berücksichtigt. Die berücksichtigten<br />
Variablen der Gleichheitsnebenbedingungen und der Ungleichheitsnebenbedingungen<br />
werden gleichermassen durch eine Eins<br />
bezeichnet.<br />
Der Vorteil dieser Methode ist die grössere Flexibilität bei der Behandlung<br />
von Optimierungsvariablen. Es ist möglich, vor der Optimierungsrechnung<br />
die Datei beliebig zu ändern. Neue Variablenkombinationen<br />
eines Optimierungsproblems können also ohne jegliche<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
70 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Code-Änderungen berechnet werden.<br />
Jede Variable wird, falls sie berücksichtigt ist, vor dem Optimierungsalgorithmus<br />
auf den Anfangswert gesetzt, sonst wird sie auf Null gesetzt.<br />
5.4 Erzeugung <strong>des</strong> linearen Gleichungssystems<br />
Zur Erzeugung <strong>des</strong> gesamten linearen Gleichungssystems werden keine<br />
zusätzlichen Ableitungen der KKT-Nebenbedingungen mehr benötigt.<br />
Die Elemente können als Summe von Teilvektoren und Teilmatrizen,<br />
die vorher schon berechnet wurden, ausgedrückt werden. Die Teilvektoren<br />
und die Teilmatrizen können als Programmbibliothek von<br />
Funktionen behandelt werden.<br />
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19<br />
1 x x x x x x x x<br />
2 x x x x x x x x<br />
3 x x x x x x<br />
4 x x x x x x<br />
5 x x x x<br />
6 x x x x<br />
7<br />
8 x x x<br />
9 x x x<br />
10 x x<br />
11 x x<br />
12 x x<br />
13 x x<br />
14 x x<br />
15 x x<br />
16 x x<br />
17 x x<br />
18 x x<br />
19 x x<br />
(5.7)<br />
Das OPF-Programm braucht für die Erzeugung <strong>des</strong> im Speicher residenten,<br />
grossen linearen Gleichungssystems nur zwei Informationen.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.4. ERZEUGUNG DES LINEAREN GLEICHUNGSSYSTEMS 71<br />
Die erste Information ist die Konfiguration <strong>des</strong> elektrischen Übertragungsnetzes.<br />
Man muss kennen, welche und wieviel Grundkomponenten<br />
das elektrische Übertragungsnetz enthält und wie die Grundkomponenten<br />
untereinander verbunden sind.<br />
Zweitens muss man für jede Grundkomponente wissen, welche die<br />
berücksichtigten Variablen sind. Diese stellen die OPF-Variablen dar<br />
und werden die notwendige Reihenfolge erzeugen.<br />
Die Teilvektoren und die Teilmatrizen der Knoten haben alle die gleiche<br />
Dimension. Sie ist gleich der Anzahl der Knotenvariablen (4.28).<br />
Für die Teilvektoren und die Teilmatrizen von Zweigen ist die Dimension<br />
gleich der Anzahl der Zweigvariablen (4.30).<br />
Bei der Erzeugung <strong>des</strong> linearen Gleichungssystems werden die Teilvektoren<br />
und die Teilmatrizen der Reihenfolge der entsprechenden<br />
Grundblockvariablen angepasst. Als Beispiel ist in (5.7) eine Teilmatrix<br />
<strong>des</strong> Generatorknotens 2, der in der Tabelle 5.1 gezeigt wird,<br />
dargestellt. Sie entspricht der Ableitung der rechten Seite RHSKnoten2<br />
(siehe (5.1)) nach allen “eigenen ” Knotenvariablen. Die x stellen in<br />
der Teilmatrix die skalaren Nicht-Null-Elemente dar.<br />
Durch das Ausscheiden der nicht-berücksichtigten Optimierungsvariablen<br />
gemäss Tabelle 5.1 wird die Teilmatrix (5.7) auf eine neue Matrix<br />
(5.8) reduziert.<br />
1 2 4 5 6 8 9 12 13 14 15 18 19<br />
1 x x x x x x x<br />
2 x x x x x x x<br />
4 x x x x x x<br />
5 x x x<br />
6 x x x<br />
8 x x x<br />
9 x x x<br />
12 x x<br />
13 x x<br />
14 x x<br />
15 x x<br />
18 x x<br />
19 x x<br />
(5.8)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
72 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Die algebraischen Variablen und Konstanten <strong>des</strong> Generatorknotens<br />
werden jetzt durch die entsprechenden numerischen Werten ersetzt.<br />
Die nicht-berücksichtigten x-Variablen werden auf die Anfangswerte<br />
gesetzt und als Konstante betrachtet. Die anderen nicht-berücksichtigten<br />
Optimierungsvariablen (λ, µ und z) werden auf Null gesetzt.<br />
Die reduzierte Teilmatrix (5.8) muss nun an der richtigen Stelle in die<br />
Jacobimatrix eingefügt werden. Da die Reihenfolge der berücksichtigten<br />
Variablen bekannt ist, wird die gesamte Jacobimatrix einfach als<br />
Summe von allen angepassten Teilmatrizen erstellt. Die Abbildung<br />
5.3 zeigt dieses Vorgehen für das 3-Knoten Netz.<br />
Die rechte Seite <strong>des</strong> linearen Gleichungssystems wird gleicherweise als<br />
Summe aller Teilvektoren aufgebaut.<br />
01<br />
01<br />
Knoten 1<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
0<br />
01<br />
1<br />
01<br />
01<br />
01<br />
01<br />
Leitung 1-2<br />
+<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
Transformator 2-3<br />
+ +<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
01<br />
01<br />
Knoten 2 Knoten 3<br />
+ =<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
01<br />
Jakobimatrix<br />
Abbildung 5.3: Aufbauschema, ausgehend von den angepassten Teilmatrizen der<br />
Grundkomponenten <strong>zur</strong> Erstellung der gesamten Jacobimatrix <strong>des</strong> 3-Knoten Netzes<br />
5.5 Die optimale Lastflusslösung<br />
Das Hauptprogramm <strong>des</strong> optimalen Lastflusses kann durch das vereinfachte<br />
Flussdiagramm in Abbildung 5.4 erläutert werden.<br />
In einer ersten Phase werden die Daten eines elektrischen Übertragungsnetzes<br />
eingelesen. Aus der Netzkonfiguration wird auch die Reihenfolge<br />
aller berücksichtigten Variablen erzeugt, die vor dem Beginn
5.5. DIE OPTIMALE LASTFLUSSLÖSUNG 73<br />
der Optimierungsrechnung in einer Datei gespeichert wurden.<br />
Die Jacobimatrix und die rechte Seite <strong>des</strong> gesamten linearen Gleichungssystems<br />
wird als Summe der angepassten Teilmatrizen und Teilvektoren<br />
von Knoten und Zweigen aufgebaut. Das lineare Gleichungssystem<br />
übernimmt die numerischen Werte von den eingelesenen Netzdaten.<br />
Da die erzeugte Jacobimatrix stark schwachbesetzt ist, kann für die<br />
<strong>Lösung</strong> <strong>des</strong> gesamten linearen Gleichungssystems das Programmpaket<br />
UMFPACK [30] (“unsymmetric-pattern multifrontal package ” )benutzt<br />
werden. UMFPACK löst schwachbesetzte lineare Gleichungssysteme<br />
vom Typ Ax = b, wobeiAschwachbesetzt ist und unsymmetrisch<br />
sein kann. Die <strong>Lösung</strong> wird durch eine klassische L-R-Zerlegung<br />
durchgeführt.<br />
Die Optimierungsvariablen werden nach der <strong>Lösung</strong> <strong>des</strong> Gleichungssystems<br />
durch die ∆-Werte aktualisiert.<br />
x := x + α∆x<br />
λ := λ + α∆λ<br />
µ := µ + α∆µ<br />
z := z + α∆z (5.9)<br />
Der Dämpfungsfaktor α wird heuristisch im voraus bestimmt und<br />
bleibt in dieser Arbeit während der OPF-Berechnung eines Netzes<br />
unverändert. Der Wert und der Einsatz von α werden im nächsten<br />
Kapitel näher betrachtet. In zukünftigen Arbeiten könnte dieses Festhalten<br />
eines netzabhängigen α-Wertes durch eine automatische, programmgesteuerte<br />
Berechnung <strong>des</strong> optimalen α-Wertes ersetzt werden.<br />
Nach der Aktualisierung der Variablen (5.9) wird die Konvergenz <strong>des</strong><br />
OPF-Algorithmus geprüft. Falls alle absoluten Werte der rechten Seite<br />
<strong>des</strong> Gleichungssystem (3.14) kleiner als eine gegebene Toleranzschwelle<br />
ɛ sind, werden die Ergebnisse gedruckt. Der Optimierungsalgorithmus<br />
hat konvergiert.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
74 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Wäre dies nicht den Fall, würden die Jacobimatrix und die rechte Seite<br />
<strong>des</strong> gesamten Gleichungssystems (3.14) noch einmal erstellt. Die<br />
Variablen werden durch die aktualisierten Werte numerisch ersetzt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
5.5. DIE OPTIMALE LASTFLUSSLÖSUNG 75<br />
Einlesen der N-Tor Parameter,<br />
der Topologie und der aktiven OPF-Variablen<br />
Numerische Berechnung, Erstellung der Jacobimatrix<br />
und der rechten Seite <strong>des</strong> Gleichungssystems (3.14)<br />
<strong>Lösung</strong> <strong>des</strong> Gleichungssystems (3.14)<br />
Aktualisierung aller Variablen<br />
|RHS|Max
76 KAPITEL 5. SOFTWARE-ENTWICKLUNG<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 6<br />
Robustheitsaspekte<br />
Mehrere Faktoren können die <strong>Lösung</strong> eines “unlimited point ” OPF-<br />
Algorithmus beeinflussen. Die Robustheit <strong>des</strong> Algorithmus ist sowohl<br />
vom <strong>Lösung</strong>sverfahren selber, als auch von der Anfangswahl der unbekannten<br />
Variablen abhängig.<br />
Die Wahl von <strong>Lösung</strong>sstrategien innerhalb <strong>des</strong> “unlimited point ” -Algorithmus<br />
ist ein entscheidender Punkt. Man kann drei Strategien<br />
unterscheiden:<br />
• der Optimale Lastfluss wird direkt gelöst (siehe Abschnitt 5.5),<br />
• der Optimale Lastfluss wird nach einer Anfangslastflussrechnung<br />
gelöst,<br />
• die Begrenzungen werden alle von Anfang an oder während <strong>des</strong><br />
OPF-Algorithmus nach jeder Iteration gestaffelt eingefügt.<br />
Die Robustheit <strong>des</strong> OPF-Algorithmus wird zudem von der Wahl folgender<br />
Problemvariablen und Konstanten abhängig sein:<br />
• die Anfangswerte der Variablen λ o , µ o und z o<br />
• die Werte von r und s<br />
• derWert<strong>des</strong>Dämpfungsfaktor α<br />
Die Wahl der Werte der Variablen, Konstanten und <strong>des</strong> geeigneten<br />
Verfahrens sind stark von der Dimension und von der Topologie <strong>des</strong> zu<br />
optimierenden, elektrischen Übertragungsnetzes abhängig. In diesem<br />
Kapitel werden diese Einflüsse näher analysiert.<br />
77<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
78 KAPITEL 6. ROBUSTHEITSASPEKTE<br />
6.1 Optimales Lastflussverfahren<br />
Dieses Verfahren (siehe auch das Flussdiagramm der Abbildung 5.4)<br />
ist die einfachste Methode, um das Optimierungsproblem (3.14) zu<br />
lösen. Man kommt bei kleinen Netzen (d.h. bis zu 40 Knoten) auf die<br />
schnellsten Konvergenzen und Rechenzeiten.<br />
Die Erfahrung hat gezeigt, dass schon bei mittelgrossen elektrischen<br />
Übertragungssystemen (d.h. bis zu 200 Knoten) Konvergenzprobleme<br />
auftauchen. Das bedeutet, dass die Einfügung zu vieler Ungleichheitsnebenbedingungen<br />
am Anfang <strong>des</strong> Verfahrens zu einer unrealistischen<br />
Anfangslage führt. Das Newton-Raphson-Verfahren kann in diesem<br />
Fall die <strong>Lösung</strong> der Optimalitätsbedingungen nicht mehr finden.<br />
Um dieses Problem bei grösseren elektrischen Übertragungssystemen<br />
zu vermeiden, werden die vorher bezeichneten Strategien erfolgreich<br />
angewendet.<br />
6.2 Optimaler Lastfluss nach einer Lastflussrechnung<br />
Mit dem entwickelten OPF-Programm besteht auch die Möglichkeit<br />
normale Lastflüsse zu berechnen. Das Software benötigt zu diesem<br />
Zweck keine speziellen Änderungen. Die notwendigen Problemvariablen<br />
<strong>des</strong> Lastflusses müssen vor Beginn <strong>des</strong> Algorithmus in der Variablendatei<br />
auf Eins gespeichert werden, alle anderen auf Null.<br />
Berücksichtigten Knotenvariablen<br />
Knoten e f PG QG ge gf guG umax umin Pmax Pmin Qmax Qmin<br />
1 1 0 1 1 1 1 1 0 0 0 0 0 0<br />
2 1 1 0 1 1 1 1 0 0 0 0 0 0<br />
3 1 1 0 0 1 1 0 0 0 0 0 0 0<br />
Tabelle 6.1: Berücksichtigten Lastflussvariablen eines 3-Knoten Netzes<br />
Tabelle 6.1 enthält die berücksichtigten Knotenvariablen eines 3-Knoten<br />
Netzes (das gleiche Beispiel (siehe Abbildung 4.3) wird für einen<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
6.2. OPF NACH EINER LASTFLUSSRECHNUNG 79<br />
optimalen Lastfluss auch in den Tabellen 5.1 und 5.2 dargestellt), die<br />
für eine Lastflussrechnung notwendig sind. Alle Variablen der Ungleichheitsnebenbedingungen<br />
sind auf Null gesetzt (d.h. nicht-berücksichtigt).<br />
Beim Slackknoten 1 und dem Generatorknoten 2 werden<br />
die Gleichheitsnebenbedingung guG 2 berücksichtigt. Durch die Last-<br />
flussrechnung müssen die Spannungsbeträge |uo 1 | und |uo2 | eingehalten<br />
werden (siehe (4.16)). Die Zweigvariablen sind alle nicht-berücksichtigt<br />
und werden in der Tabelle 6.1 nicht gezeigt.<br />
Nach der Lastflussrechnung werden die numerischen Werte der Optimierungsvariablen<br />
e, f ohne f <strong>des</strong> Slackknotens, P <strong>des</strong> Slackknotens,<br />
QG, λe und λf als Eingabewerte für den OPF-Algorithmus genommen.<br />
Max. Mismatch<br />
10 1<br />
10 0<br />
10 −1<br />
10 −2<br />
__ optimal power flow after power flow<br />
−− only optimal power flow<br />
10<br />
0 1 2 3 4 5 6 7 8 9 10<br />
−3<br />
Iteration<br />
Abbildung 6.1: Vergleich der absoluten Werte der rechten Seite (maximale Mismatch)<br />
für 57-Knoten Netz<br />
Der Vergleich der beiden Methoden zeigt einen besonders grossen Vorteil<br />
dieses Verfahrens gegenüber einem “Nur ” -OPF-Verfahren. Bei der<br />
Lastflussrechnung werden die Anfangswerte der rechten Seite <strong>des</strong> linearen<br />
Gleichungssystems stark reduziert. Bei der Optimierung grosser<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
80 KAPITEL 6. ROBUSTHEITSASPEKTE<br />
elektrischer Übertragungssysteme führtdieser<strong>Lösung</strong>sansatz zu einer<br />
besseren Stabilität <strong>des</strong> Konvergenzverlaufs.<br />
Die Anzahl Iterationen <strong>des</strong> Newton-Raphson-Algorithmus wird von<br />
diesem gemischten Verfahren praktisch nicht beeinflusst. Die Iterationen<br />
der Lastflussrechnung wurden aber nicht dazugezählt. In Abbildung<br />
6.1 ist der Vergleich <strong>des</strong> maximalen absoluten Mismatches der<br />
beiden Methoden für ein 57-Knoten Netz graphisch dargestellt.<br />
6.3 Gestaffelte Einfügung der Begrenzungen<br />
Bei der dritten Variante steht die gestaffelte Einführung der Variablengrenzen<br />
im Vordergrund. Bei der optimalen Lastflussrechnung muss<br />
aber diesbezüglich vorsichtig vorgegangen werden. In realen Netzwerken<br />
nimmt z.B. die unbegrenzte <strong>Lösung</strong> oft unrealistische Grössen<br />
an, der Verlauf kann nicht mehr konvergieren. Das würde bedeuten,<br />
dass die meisten Spannungsbegrenzungen stark verletzt sind. Eine<br />
Begrenzung wird verletzt, wenn die obere oder die untere Grenze der<br />
entsprechenden Variable überschritten wird.<br />
Diese Konvergenzprobleme können mit verschiedenen Einführungsstrategien<br />
der berücksichtigten Grenzen gelöst werden. Im idealen<br />
Fall sollten nur die im Optimum berücksichtigten Grenzen während<br />
der Newton-Raphson-Iterationen aufgenommen werden.<br />
Die einfachste Methode wäre, sobald eine Grenze während <strong>des</strong> Verlaufes<br />
verletzt wird, die entsprechende Ungleichheitsnebenbedingung<br />
im linearen Gleichungssystem einzufügen. Diese Ergänzungen stellen<br />
grundsätzlich kein Problem dar. Nach jeder Iteration werden die<br />
Jacobimatrix und die rechte Seite <strong>des</strong> linearen Gleichungssystems wieder<br />
erstellt. Die Variablensequenz kann also nach jedem Schritt <strong>des</strong><br />
Newton-Raphson-Verfahrens geändert werden.<br />
Durch diese Methode bleibt die Dimension <strong>des</strong> linearen Gleichungssystems<br />
stark reduziert, sie erzeugt allerdings schon bei mittelgrossen<br />
Netzwerken Konvergenzprobleme.<br />
Erfahrungsgemäss stellt das gestaffelte Einfügen der Grenzen (siehe<br />
Abbildung 6.2) die beste Strategie dar. In einer ersten Phase werden<br />
vor dem Newton-Raphson-Verfahren nur alle oberen und unteren<br />
Spannungsbegrenzungen im linearen Gleichungssystem eingefügt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
6.3. GESTAFFELTE EINFÜGUNG DER BEGRENZUNGEN 81<br />
Diese Massnahme hat den Zweck, das allgemeine Spannungsniveau<br />
zwischen oder in der Nähe der Grenzen zu halten.<br />
BEGINN<br />
Alle Grenzen umax und umin<br />
berücksichtigen<br />
Newton-Raphson<br />
Schritt<br />
Sind nicht-<br />
berücksichtigte Grenzen<br />
verletzt?<br />
N<br />
|RHS|Max
82 KAPITEL 6. ROBUSTHEITSASPEKTE<br />
Max. Mismatch<br />
10 2<br />
10 1<br />
10 0<br />
10 −1<br />
10 −2<br />
−− Nur verletzte Begrenzungen werden beruecksichtigt<br />
__ Gestaffelter Einsatz der Begrenzungen<br />
10<br />
0 2 4 6 8 10 12 14<br />
−3<br />
Iteration<br />
Abbildung 6.3: Vergleich der absoluten Werte der rechten Seite (maximale RHS-<br />
Mismatch) für 118-Knoten Netz<br />
Die Abbildung 6.3 zeigt einen Vergleich <strong>des</strong> maximalen RHS-Mismatches<br />
zwischen den beiden Einfügungsstrategien der Begrenzungen.<br />
In beiden Methoden wurden die Anfangswerte durch eine Lastflussrechnung<br />
bestimmt.<br />
Nach der vierten Iteration bleibt der maximale Mismatch mit einem<br />
gestaffelten Einsatz der Begrenzungen ungefähr zehn Mal tiefer als<br />
mit der anderen Methode. Es zeigt sich auch bei der Optimierung<br />
grösserer Netze, dass die gestaffelte Einfügung der Begrenzungen das<br />
stabilere Verfahren darstellt.<br />
6.4 Einfluss von Variablen und Konstanten<br />
Die Wahl der numerischen Anfangswerte der Variablen und der Konstanten<br />
beeinflusst den Konvergenzverlauf. Die Anzahl Iterationen<br />
oder die Konvergenz sind von deren Wahl stark abhängig.<br />
Die folgenden Resultate wurden durch ein gestaffeltes Grenzberück-<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
6.4. EINFLUSS VON VARIABLEN UND KONSTANTEN 83<br />
sichtigungslösungsverfahren gemäss Abschnitt 6.3 berechnet. Die Werte<br />
sollten so gewählt werden, dass die Anzahl Iterationen und der maximale<br />
Mismatch für je<strong>des</strong> elektrische Übertragungssystem möglichst<br />
tief bleiben.<br />
6.4.1 Dämpfungsfaktor α<br />
Die Optimierungsvariablen werden nach jedem Schritt <strong>des</strong> Newton-<br />
Raphson-Algorithmus bei der Aktualisierung durch einen Faktor α<br />
nach dem Schema v k+1 = v k + α∆v k beeinflusst. Dieser Einfluss wird<br />
auf ein 24-Knoten Netz in der Abbildung 6.4 zeigt. Aus diesem Beispiel<br />
können zwei Schlussfolgerungen gezogen werden.<br />
Max. Mismatch<br />
10 1<br />
10 0<br />
10 −1<br />
10 −2<br />
1.0<br />
10<br />
0 5 10 15 20 25<br />
−3<br />
Iteration<br />
Abbildung 6.4: Vergleich der absoluten Werte der rechten Seite (maximale RHS-<br />
Mismatch) für das 24-Knoten Netz mit verschiedenen α-Werte<br />
Erstens wird die Anzahl Iterationen bei kleineren α-Werte immer<br />
grösser. Zweitens bekommt der maximale RHS-Mismatch mit α =1<br />
anfänglich grosse Werte.<br />
Die Konvergenzgeschwindigkeit wird stark vom Dämpfungsfaktor α<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
0.9<br />
0.8<br />
0.5
84 KAPITEL 6. ROBUSTHEITSASPEKTE<br />
beeinflusst. Nach ausführlichen Versuche auch mit grösseren Netzen<br />
wurden die besten Ergebnisse mit α =0.8 erreicht.<br />
6.4.2 Optimierungsvariablen<br />
Die Anfangswerte der Optimierungsvariablen λ o haben auf den Optimierungsverlauf<br />
einen geringen Einfluss. Wurde ein gewöhnlicher<br />
Lastfluss vorberechnet, nehmen die λ-Variablen die aus dem “Lastfluss<br />
” resultierenden Werte an. Ein gewöhnlicher Lastfluss berechnet<br />
keine λ-Variablen. Der vorliegende Algorithmus liefert jedoch<br />
auch im Lastflussmodus für jede berücksichtigte Gleichheitsnebenbedingung<br />
einen λ-Wert.<br />
Maximum<br />
µ o z o Iterationen Mismatch<br />
1.0 1.0 12 2.309693<br />
1.0 0.8 11 2.179132<br />
1.0 0.5 11 1.949214<br />
1.0 0.3 10 1.770976<br />
0.8 1.0 11 1.908979<br />
0.8 0.8 10 1.710260<br />
0.8 0.5 10 1.319950<br />
0.8 0.3 - -<br />
0.5 1.0 10 4.128951<br />
0.5 0.8 10 2.707105<br />
0.5 0.5 9 1.772670<br />
0.5 0.3 7 1.326978<br />
0.5 0.2 14 11.936387<br />
0.4 0.2 10 2.315812<br />
Tabelle 6.2: Einfluss verschiedener µ o - und z o -Anfangswerte auf die Iterationszahlen<br />
und auf das Maximum <strong>des</strong> RHS-Mismatches <strong>des</strong> 24-Knoten Netzes (α =1.0 und<br />
gestaffelte Berücksichtigung der Grenzen) während aller Iterationen.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
6.4. EINFLUSS VON VARIABLEN UND KONSTANTEN 85<br />
Im Gegensatz dazu wird die Robustheit <strong>des</strong> OPF-Algorithmus durch<br />
die Anfangswerte der Variablen µ und z beeinflusst. Die Tabelle 6.2<br />
zeigt verschiedenen µ und z Kombinationen bei der Optimierung <strong>des</strong><br />
24-Knoten Netzes. Das Zeichnen “- ” in der Tabelle bezeichnet einen<br />
nicht-konvergierten Lauf. “Maximum Mismatch ” ist der maximal erreichte<br />
Wert <strong>des</strong> Mismatches während <strong>des</strong> ganzen <strong>Lösung</strong>sverfahrens.<br />
Die Anfangswerte der Optimierungsvariablen µ o und z o werden somit<br />
erfahrungsgemäss auf µ o =0.8 und z o =0.5 gesetzt. Diese Wahl gilt<br />
auch als guter Kompromiss für die Optimierung grösserer elektrischer<br />
Übertragungssysteme.<br />
6.4.3 Problemkonstanten r und s<br />
Die Konstanten r und s beeinflussen den <strong>Lösung</strong>sprozess wie die zugehörigen<br />
Anfangswerte der Optimierungsvariablen µ und z. DieWahl<br />
grösserer Werte für r und s bringt für |µ| und |z| ≪1dieursprünglichen<br />
Werte µ 2s bzw. z 2r praktischzuNull(z.B.0.1 4 =0.0001). Es<br />
ist sinnvoll, ein Gleichgewicht zwischen den Werten von r und s und<br />
den Anfangswerten für µ und z zu finden.<br />
Maximum<br />
r s Iterationen Mismatch<br />
1 1 - -<br />
1 2 23 150.6139<br />
1 3 - -<br />
2 1 23 119.0354<br />
2 2 19 143.2015<br />
2 3 - -<br />
3 1 - -<br />
3 2 - -<br />
3 3 - -<br />
Tabelle 6.3: Einfluss verschiedener r- und s-Anfangswerte auf die Iterationszahlen<br />
und auf das Maximum <strong>des</strong> Mismatches <strong>des</strong> 685-Knoten Netzes (α =0.8, µ o =0.8,<br />
z o =0.5 und gestaffelte Berücksichtigung der Grenzen).<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
86 KAPITEL 6. ROBUSTHEITSASPEKTE<br />
In der Tabelle 6.3 werden die Anzahl Iterationen und das Maximum<br />
<strong>des</strong> Mismatches für das 685-Knoten Netz mit mehreren r- und s-<br />
Kombinationen verglichen.<br />
Die Versuche in diesem Abschnitt wurden mit den Erfahrungswerten<br />
für den Dämpfungsfaktor (α =0.8) und die Anfangswerte der<br />
Optimierungsvariablen (µ o =0.8 und z o =0.5) durchgeführt. Bei<br />
der Optimierung grosser elektrischer Übertragungssysteme wird die<br />
Konvergenz <strong>des</strong> OPF-Algorithmus stark von den Konstanten r und s<br />
abhängig. Das Verfahren divergiert schon mit r =3oders=3.<br />
Maximum<br />
r s Iterationen Mismatch<br />
1 1 12 1.197612<br />
1 2 16 0.944798<br />
1 3 14 0.986049<br />
2 1 12 1.109448<br />
2 2 16 0.742314<br />
2 3 13 0.760691<br />
3 1 14 1.112592<br />
3 2 11 0.686363<br />
3 3 9 0.586769<br />
4 4 - -<br />
Tabelle 6.4: Einfluss verschiedener r- und s-Anfangswerte auf die Iterationszahlen<br />
und auf das Maximum <strong>des</strong> Mismatches <strong>des</strong> 118-Knoten Netzes (α =0.8, µ o =0.8,<br />
z o =0.5 und gestaffelte Berücksichtigung der Grenzen).<br />
Die Tabellen 6.4, 6.5 und 6.6 zeigen gleiche Resultate aber mit kleineren<br />
Netzen. Es zeigt sich, dass es nicht möglich ist, einen besten<br />
Wert für r und einen für s für alle elektrischen Übertragungssysteme<br />
zu finden.<br />
Die Kombination r = 2 und s =1führt für kein Netz auf die beste<br />
<strong>Lösung</strong>. Es scheint aber eine gute Wahl für alle getesteten Netze zu<br />
sein und führt immer zu Konvergenz.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
6.4. EINFLUSS VON VARIABLEN UND KONSTANTEN 87<br />
Maximum<br />
r s Iterationen Mismatches<br />
1 1 20 3.433069<br />
1 2 12 2.507200<br />
1 3 - -<br />
2 1 16 1.520602<br />
2 2 11 2.104718<br />
2 3 15 2.575030<br />
3 1 13 1.216072<br />
3 2 12 1.768743<br />
3 3 9 2.295826<br />
4 4 - -<br />
Tabelle 6.5: Einfluss verschiedener r- und s-Anfangswerte auf die Iterationszahlen<br />
und auf das Maximum <strong>des</strong> Mismatches <strong>des</strong> 41-Knoten Netzes (α =0.8, µ o =0.8,<br />
z o =0.5 und gestaffelte Berücksichtigung der Grenzen).<br />
Maximum<br />
r s Iterationen Mismatches<br />
1 1 10 0.825696<br />
1 2 9 0.696194<br />
1 3 8 0.756834<br />
2 1 10 0.617402<br />
2 2 9 0.535737<br />
2 3 8 0.557025<br />
3 1 10 0.583092<br />
3 2 9 0.405450<br />
3 3 7 0.373208<br />
4 4 7 0.473175<br />
Tabelle 6.6: Einfluss verschiedenen r- und s-Anfangswerte auf die Iterationszahlen<br />
und auf das Maximum <strong>des</strong> Mismatches <strong>des</strong> 14-Knoten Netzes (α =0.8, µ o =0.8,<br />
z o =0.5 und gestaffelte Berücksichtigung der Grenzen).<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
88 KAPITEL 6. ROBUSTHEITSASPEKTE<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 7<br />
Simulationsresultate der<br />
OPF-Rechnung<br />
7.1 Übersicht<br />
In dieser Arbeit werden mit dem “unlimited point ” -Algorithmus sowohl<br />
gewöhnliche Lastflussrechnungen als auch optimale Lastflussrechnungen<br />
untersucht. Die Robustheit <strong>des</strong> Algorithmus wird mit mehreren<br />
Testnetzen überprüft. Als Zielfunktion wird die Summe der<br />
gesamten Verluste der simulierten Testnetze (“reactive-only ” )eingesetzt.<br />
Am Ende dieses Kapitel wird auch ein <strong>Lösung</strong>sverlauf mit einer<br />
Kostenfunktion dargestellt.<br />
Folgende Punkte werden speziell besprochen:<br />
• CPU-Zeiten<br />
• Konvergenzverlauf<br />
• Iterationszahl<br />
Alle Zeitangaben beziehen sich auf eine Workstation der Reihe SUN<br />
Microsystems Inc. Ultra Sparc 1 (167 MHz), die unter dem Betriebssystem<br />
Solaris 2.5.1. betrieben wird. Um Rechenzeitvergleiche zu<br />
ermöglichen ist der MATLAB-Befehl “bench ” ausgeführt worden und<br />
in Tabelle 7.1 dargestellt.<br />
Die Genauigkeit <strong>des</strong> entwickelten Algorithmus wird mit der Toleranzschwelle<br />
ɛ =10 −2 erreicht. Im Fall der optimalen Lastflussrechnung<br />
müssen dazu alle existierenden, berücksichtigten Begrenzungen am<br />
Ende <strong>des</strong> Verlaufes eingehalten werden.<br />
89<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
90 KAPITEL 7. SIMULATIONSRESULTATE<br />
Die OPF-Testläufe wurden mit einer gestaffelten Einfügung der Begrenzungen<br />
durchgeführt. Die Problemkonstanten r und s werden mit<br />
r = 2 und s = 1 eingesetzt. Der Dämpfungsfaktor α wird auf α =0.8<br />
gesetzt.<br />
Name<br />
Rechnertyp Ausführungszeiten [s]<br />
CPU Clock<br />
MHz<br />
Loops LU Sparse<br />
Sun Ultra Sparc 2 200 0.59 0.82 0.92<br />
PentiumPro, Win NT 200 0.86 0.76 1.17<br />
Sun Ultra Sparc 1 167 0.88 1.17 1.30<br />
DEC Alpha 400 233 1.66 1.26 1.60<br />
Mac 8500 180 2.26 1.41 1.27<br />
HP 735 125 1.08 1.06 2.09<br />
Sun Sparc 10 41 3.42 3.20 4.75<br />
Tabelle 7.1: Vergleich von Ausführungszeiten verschiedenen Rechnungsarten<br />
mit einigen Rechnern (Loops = Rechnungen mit Schleife, LU = MATLAB’s<br />
“LINPACK ” und Sparse = Lösen von schwachbesetzten Gleichungssystemen); Fett<br />
= in dieser Arbeit verwendeter Rechner.<br />
Die Anfangswerte der Optimierungsvariablen e, f, PG, QG, λe und λf<br />
werden vor dem OPF-<strong>Lösung</strong>sverfahren durch die Werte einer Lastflussrechnung<br />
bestimmt. Die Lagrange-Multiplikatoren der Ungleichheitsnebenbedingungen<br />
µ werden bei der Berücksichtigung der entsprechenden<br />
Begrenzungen auf µ o =0.8 gesetzt und die entsprechenden<br />
“slack ” -Variablen z o =0.5.<br />
Die mehrfach durchgeführten Testreihen haben mit den oben erwähnten<br />
Werten und <strong>Lösung</strong>sverfahren die gute Robustheit <strong>des</strong> entwickelten<br />
OPF-Algorithmus gezeigt.<br />
7.2 Testnetze<br />
Das angestrebte Ziel von möglichst kurzen Rechenzeiten konnte durch<br />
Testrechnungen von elektrischen Energieübertragungssystemen zwischen<br />
14 und 2500 Knoten bestätigt werden.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.2. TESTNETZE 91<br />
Dabei wurden die einzelnen Optimierungsläufe in Bezug auf Iterationszahl,<br />
Konvergenzverlauf und CPU-Zeitbedarf der gewählten <strong>Lösung</strong>smethode<br />
analysiert. Da vor allem das Verhalten bei der Optimierung<br />
grosser Netze interessiert, wurden speziell ein 685-Knoten Netz<br />
(U.S.A-Ostküste) und ein 2550-Knoten Netz (Südteil-U.S.A) genauer<br />
untersucht.<br />
Die 14-, 30-, 57-, 118-, 162- und 300-Knoten Testnetze sind aus dem<br />
IEEE-Archiv [33] genommen. Die 24-, 41- und 72-Knoten Netze stammen<br />
aus dem CIGRE-Archiv.<br />
Knoten Gen. Leitungen Transformatoren PLastTot QLastTot<br />
1 2 3 MW MVar<br />
14 5 17 2 1 259.0 73.5<br />
24 11 33 - 5 - 2850.0 580.0<br />
30 6 37 4 - - 283.4 126.2<br />
41 10 25 14 29 - 1949.9 876.9<br />
57 7 64 16 - - 1250.8 336.4<br />
73 33 105 2 13 - 8550.0 1740.0<br />
118 54 177 9 - - 3668.0 1438.0<br />
162 12 238 46 - - 15387.4 1174.6<br />
685 164 1321 61 10 - 111035.0 109521.0<br />
2542 270 1953 1456 - - 47056.3 6608.3<br />
Tabelle 7.2: Strukturelle Eigenschaften der benutzten Testnetze. Die Transformatoren<br />
werden in nicht regulierbare Transformatoren (1), Transformatoren mit<br />
regulierbarem Betrag <strong>des</strong> Übersetzungsverhältnisses (2) und Transformatoren mit<br />
regulierbarem Winkel <strong>des</strong> Übersetzungsverhältnisses (3) unterschieden.<br />
Die Datensätze für alle Netze sind in “per unit ” (Bezugsleistung 100<br />
MVA) angegeben. Die Knotenspannungen sind auf eine Spannungsebene<br />
normiert, somit wurden alle Transformatoren wie normale Zweigelemente<br />
behandelt. In der Tabelle 7.2 sind die wichtigsten Kenngrössen<br />
der benutzten Testnetze zusammengefasst.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
92 KAPITEL 7. SIMULATIONSRESULTATE<br />
7.3 Gewöhnlicher Lastfluss<br />
Im Abschnitt 6.2 wurde die Möglichkeit <strong>des</strong> Optimierungsprogramms,<br />
reine Lastflussrechnungen durchzuführen, dargestellt. Mittels dieser<br />
Methode wurden für die getesteten, elektrischen Übertragungssysteme<br />
die Lastflüsse bestimmt.<br />
Die in Tabelle 7.3 angegebenen Daten zeigen die gute Konvergenz <strong>des</strong><br />
Algorithmus für die verschiedenen Netzdaten. Bei einer Lastflussrechnung<br />
sind die Iterationszahlen unabhängig von der Netzgrösse. Die<br />
Toleranzschwelle ɛ =10 −2 wird in den meisten Fällen schon nach 5-6<br />
Iterationen erreicht.<br />
Netz<br />
Anz. Verluste Verletzte Grenzen<br />
Iter. MW % umax umin Qmax Qmin<br />
14 4 13.4273 4.93 - - - 1<br />
24 5 51.5804 1.78 - - - -<br />
30 4 17.6320 5.86 - - 1 0<br />
41 6 24.7528 1.25 - - - -<br />
57 5 27.8343 2.17 - - 1 -<br />
73 5 158.2830 1.81 - - - -<br />
118 5 132.4786 3.47 - - 1 2<br />
162 5 166.5697 1.07 - - - -<br />
685 6 1393.6840 1.26 2 - 30 12<br />
2542 6 1454.3287 3.00 2 12 5 -<br />
Tabelle 7.3: Iterationszahlen, gesamte Verluste (in % der gesamten Netzlast) und<br />
verletzte Grenzen nach einer Lastflussrechnung für verschiedenen Netzgrössen.<br />
Die Verluste variieren zwischen 1.07% und 5.86% der gesamten erzeugten<br />
Wirkleistung. Ursache dieser unterschiedlichen Werte sind vorallem<br />
die angegebenen Datensätze der Transformatorenwiderstände R,<br />
die je nach Netzmodell stark variieren können. Die resultierenden Verluste<br />
bleiben aber alle in einem realistischen Bereich.<br />
In einigen Fälle wurden nach der Lastflussrechnung Variablengrenzen<br />
überschritten. Diese Verletzungen müssen später in der Optimierung<br />
<strong>des</strong> Lastflusses berücksichtigt werden.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.4. VERLUSTOPTIMIERUNG 93<br />
Von besonderer Bedeutung ist die Tatsache, dass der Rechenzeitbedarf<br />
etwa linear mit der Dimension <strong>des</strong> Problems wächst; ein Verhalten,<br />
das speziell bei Lastflussrechnungen grösserer Netze notwendig<br />
wird. In Abbildung 7.1 ist dieses Verhalten graphisch dargestellt.<br />
Die angegebenen Rechenzeiten beinhalten den Vorbereitungsteil mit<br />
dem Einlesen der Daten, für jede Iteration das Erstellen der benötigen<br />
Jacobimatrix und der rechten Seite, sowie die <strong>Lösung</strong> <strong>des</strong> erzeugten<br />
Gleichungssystems.<br />
CPU−Zeit [s]<br />
35<br />
30<br />
25<br />
20<br />
15<br />
10<br />
5<br />
0<br />
0 500 1000 1500<br />
Knoten<br />
2000 2500 3000<br />
Abbildung 7.1: CPU-Zeiten einer Lastflussrechnung für verschiedenen Netzgrössen.<br />
7.4 Verlustoptimierung<br />
7.4.1 Iterationsverhalten<br />
Die Konvergenz <strong>des</strong> “reactive-only ” OPF-Algorithmus wurde durch<br />
mehrere Testnetze überprüft. In einer ersten Phase wurden alle Netzwerke<br />
ohne Änderung der Datensätze optimiert. Die Resultate der<br />
Simulationen sind in der Tabelle 7.4 zusammengefasst.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
94 KAPITEL 7. SIMULATIONSRESULTATE<br />
Die dargestellte Iterationszahl berücksichtigt nur die Iterationen <strong>des</strong><br />
OPF-Algorithmus; die der vorangegangenen Lastflussrechnung werden<br />
nicht gezählt. Die Konvergenzgeschwindigkeit <strong>des</strong> Verfahrens kann<br />
nicht anhand der Knotenzahl vorausgesehen werden.<br />
Die gesamten Verluste nehmen im Vergleich zu den erzeugten Verlusten<br />
bei den Lastflussergebnissen nach eine Optimierungsrechnung um<br />
10 - 20 % ab.<br />
Die Tabelle 7.4 zeigt auch die Anzahl der Spannungsbeträge und der<br />
Generatorenblindleistungen, die am Ende <strong>des</strong> Optimierungsverlaufes<br />
am Maximum oder am Minimum liegen. Mehrere Spannungsbeträge<br />
stehen auf dem maximalen Wert. Aufgrund dieser Beobachtung werden<br />
alle Spannungsbegrenzungen schon bei der ersten Iteration <strong>des</strong><br />
OPF-Algorithmus eingefügt.<br />
Netz<br />
Anz. OPF-Verluste Ungl. an der Grenze Dimension<br />
Iter. MW % umax umin Qmax Qmin Anf. Ende<br />
14 10 12.2621 4.52 1 - - 1 66 130<br />
24 12 43.9403 1.52 16 - 2 - 218 222<br />
30 6 16.3156 5.44 2 - 1 - 246 252<br />
41 14 20.4885 1.04 25 - 1 - 425 433<br />
57 10 24.4602 1.92 1 - 2 - 463 469<br />
73 15 129.2563 1.49 49 - 6 - 656 670<br />
118 12 107.9215 2.86 26 - 4 2 998 1060<br />
162 4 150.5350 0.97 - - - - 1308 1308<br />
685 23 1243.7822 1.12 202 - 39 13 5674 5832<br />
2542 22 1300.5819 2.69 119 9 27 16 14341 14561<br />
Tabelle 7.4: Iterationszahlen, gesamte Verluste (in % der gesamten Netzlast), Anzahl,<br />
der an der Grenze liegenden Ungleichheitsnebenbedingungen und Dimension<br />
<strong>des</strong> OPF-Problems am Anfang und am Ende der Optimierung für verschiedene Netzgrössen.<br />
In der Tabelle 7.4 werden nur die Anzahl von Knotenspannungen und<br />
von Blindleistungen der Generatoren angezeigt, die nach der Optimierung<br />
an ihrer Grenze liegen. Die Beträge und Winkeln der variablen<br />
Übersetzungsverhältnisse der Transformatoren sind hier nicht einge-<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.4. VERLUSTOPTIMIERUNG 95<br />
tragen, weil keine an der Grenze betrieben wurden und sie auch kein<br />
Konvergenzproblem darstellen. Im Kontrast dazu haben die Begrenzungen<br />
<strong>des</strong> maximalen Zweigstroms und der übertragbaren Wirkleistung<br />
mit grösseren Netzen zu Konvergenzschwierigkeiten geführt. Sie<br />
werden ebenfalls in dieser Tabelle nicht angezeigt.<br />
In den letzten beiden Spalten der Tabelle wird die Dimension der<br />
gesamten Jacobimatrix (und darum auch <strong>des</strong> linearen Gleichungssystems)<br />
am Anfang und am Ende <strong>des</strong> <strong>Lösung</strong>sprozesses dargestellt.<br />
Allerdings wird die Konvergenzgeschwindigkeit während der Newton-<br />
Raphson-Iterationen durch das Einfügen der verletzten, noch nicht<br />
berücksichtigten Begrenzungen beträchtlich gebremst. Abbildung 7.2<br />
zeigt am Beispiel einige typischen Verläufe <strong>des</strong> maximalen Mismatches<br />
während <strong>des</strong> <strong>Lösung</strong>sverfahrens.<br />
Max. Mismatch<br />
10 3<br />
10 2<br />
10 1<br />
10 0<br />
10 −1<br />
10 −2<br />
__ 2542−Knoten Netz<br />
−− 685−Knoten Netz<br />
.... 118−Knoten Netz<br />
10<br />
0 5 10 15 20 25<br />
−3<br />
Iteration<br />
Abbildung 7.2: Konvergenzverlauf der 2542-, 685- und 118-Knoten Netze.<br />
Die erste Iteration bringt den Wert <strong>des</strong> maximalen Mismatches zum<br />
höchsten Punkt; rund 1400 Begrenzungen werden gleichzeitig ins lineare<br />
Gleichungssystem eingefügt. Bis <strong>zur</strong> elften Iteration werden die<br />
verletzten Begrenzungen schrittweise noch ins System aufgenommen.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
96 KAPITEL 7. SIMULATIONSRESULTATE<br />
Die letzten Iterationen bringen den maximalen Mismatch in wenigen<br />
Schritten unter die verlangte Toleranzschwelle ɛ =10 −2 .<br />
Dieser Verlauf ist ebenfalls in der Tabelle 7.5 detailliert dargestellt.<br />
Anz. max Verl.<br />
max |c<br />
Iter. |mism|<br />
′ | max |b1| max|b2| max |b3| Zielfunkt.<br />
Begr.<br />
0 1.00406 1.00406 0.00000 0.41566 0.10240 1393.684 1370<br />
1 119.0354 5.4642 101.1255 119.0354 0.1024 1386.349 34<br />
2 23.8072 1.6966 22.6749 23.8072 0.1024 1401.369 16<br />
3 14.9282 0.7038 14.9282 4.7621 0.1024 1371.628 4<br />
4 5.4869 0.5638 2.8163 5.4869 0.1024 1327.123 6<br />
5 3.4916 0.2499 1.5191 3.4916 0.1024 1269.176 1<br />
6 2.6577 0.4622 0.3456 2.6577 0.1024 1241.399 3<br />
7 1.1715 0.4887 0.0760 1.1715 0.1024 1239.995 2<br />
8 5.8337 0.5651 0.3191 5.8337 0.1024 1242.336 3<br />
9 1.7802 0.5495 0.2141 1.7802 0.0369 1243.510 0<br />
10 1.0168 1.0168 0.0549 0.4589 0.1024 1244.002 1<br />
11 28.0109 0.3429 0.0214 28.0109 0.0371 1243.996 0<br />
12 10.8676 0.0972 0.0052 10.8676 0.0135 1243.952 0<br />
13 3.9985 0.0243 0.0010 3.9985 0.0050 1243.903 0<br />
14 1.2767 0.0064 0.0003 1.2767 0.0019 1243.866 0<br />
15 0.4096 0.2500 0.0001 0.4096 0.1024 1243.833 1<br />
16 0.2442 0.2442 0.0008 0.1126 0.0370 1243.841 0<br />
17 0.0491 0.0491 0.0002 0.0232 0.0135 1243.840 0<br />
18 0.0205 0.0110 0.0002 0.0205 0.0050 1243.831 0<br />
19 0.0150 0.0056 0.0001 0.0150 0.0019 1243.818 0<br />
20 0.0107 0.0107 0.0001 0.0085 0.0007 1243.804 0<br />
21 0.0108 0.0108 0.0001 0.0095 0.0003 1243.793 0<br />
22 0.0103 0.0071 0.0001 0.0103 0.0001 1243.786 0<br />
23 0.0089 0.0047 0.0001 0.0089 0.0001 1243.783 0<br />
Tabelle 7.5: Die vollständige Konvergenz der rechten Seite für das 685-Knoten Netz.<br />
Die Abkürzungen c ′ , b1, b2 und b3 sind in (3.13) definiert.<br />
Der maximale Mismatch der verschiedenen Teile der rechten Seite c ′ ,<br />
b1, b2 und b3 (siehe (3.13)) wird für jede Iteration in der Tabelle 7.5<br />
angegeben. Der Konvergenzverlauf bei Iteration 11-14 wird von den<br />
Gleichungstypen<br />
b2 = −h(x) − z 2r<br />
(7.1)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.4. VERLUSTOPTIMIERUNG 97<br />
verursacht, die in linearisierter Form als zusätzliche Ungleichheitsnebenbedingungen<br />
von verletzten Grenzen in das linearen Gleichungssystem<br />
eingefügt werden. Der Verlauf der Zielfunktion wird in der<br />
vorletzten Spalte ebenfalls für jede Iteration angegeben.<br />
7.4.2 Rechenzeiten<br />
In diesem Abschnitt werden die effektiven Rechenzeiten der verschiedenen<br />
OPF-Rechnungen für die getesteten elektrischen Energieübertragungssysteme<br />
ausgewertet. Die gemessenen CPU-Zeiten enthalten<br />
die vorausgehenden Lastflusslösungen nicht.<br />
Abbildung 7.3 zeigt die Rechenzeiten in Bezug auf die Knotenzahl.<br />
Auch in diesem Fall wächst der Rechenzeitbedarf ungefähr linear mit<br />
der Dimension <strong>des</strong> OPF-Problems. Die CPU-Zeit pro Iteration wächst<br />
von 0.02 Sekunden für das kleinste Netzwerk (14-Knoten Netz) auf<br />
5.30 Sekunden für das 2542-Knoten Netz.<br />
CPU−Zeit [s]<br />
120<br />
100<br />
80<br />
60<br />
40<br />
20<br />
0<br />
0 500 1000 1500<br />
Knoten<br />
2000 2500 3000<br />
Abbildung 7.3: CPU-Zeiten einer optimalen Lastflussrechnung für verschiedene<br />
Netzgrössen.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
98 KAPITEL 7. SIMULATIONSRESULTATE<br />
7.4.3 Verhalten der Optimierungsvariablen µ und z<br />
Die Werte der Lagrange-Multiplikatoren der Ungleichheitsnebenbedingungen<br />
µ und der zugehörigen “slack ” -Variablen z werden nach einer<br />
optimalen Lastflussrechnung analysiert. Im Optimum sind zwei Variablenzustände<br />
möglich:<br />
1. Die Ungleichheitsnebenbedingung hi stösst nicht an die Grenze.<br />
Es gilt also theoretisch:<br />
µ 2s<br />
i = 0 und hi < 0 ⇒ z 2r > 0 (7.2)<br />
2. Die Ungleichheitsnebenbedingung hi stösst an die Grenze. Es gilt<br />
also theoretisch:<br />
µ 2s<br />
i ≥ 0 und hi =0 ⇒ z 2r =0 (7.3)<br />
In der Tabelle 7.6 sind verschiedene Verhalten der µ und z-Grössen<br />
einiger Ungleichheitsnebenbedingungen zusammengefasst.<br />
Var. PF OPF µi zi µ 2s<br />
i<br />
|u110| 1.1028 1.1000 1.0078 0.0022 1.01559 0.00000001<br />
|u236| 1.0000 1.1000 0.3630 0.0031 0.13180 0.00000001<br />
|u274| 0.9522 0.9952 0.0001 0.6845 0.00000 0.21954925<br />
Q2 0.0956 -4.0000 0.0173 0.0676 0.00030 0.00002088<br />
Q65 2.8258 2.1300 0.0567 0.0129 0.00322 0.00000003<br />
Q191 3.6694 4.0000 0.0223 0.0947 0.00050 0.00008036<br />
Q205 -0.3903 -1.5511 -0.0001 1.4803 0.00000 4.80109679<br />
Tabelle 7.6: Endwerte der Variablen µi, zi, µ 2s<br />
i und z 2r<br />
i für verschiedene berücksichtigte<br />
Ungleichheitsnebenbedingungen <strong>des</strong> 685-Knoten Netzes (r =2,s=1).<br />
Die Tabelle zeigt für verschiedene berücksichtigte Begrenzungen die<br />
numerischen Werte der entsprechenden Variablen nach der gewöhnlichen<br />
Lastflussrechnung (Spalte PF) und am Ende <strong>des</strong> OPF-Algorithmus<br />
(Spalte OPF), (alle Werte in “per unit ” , p.u.). Zusätzlich<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
z 2r<br />
i
7.4. VERLUSTOPTIMIERUNG 99<br />
werden auch die OPF-Endwerte der Variablen µi, zi, µ 2s<br />
i<br />
und z2r<br />
i an-<br />
gegeben.<br />
Für ein besseres Verständnis sind die ausführlichen Verläufe in Anhang<br />
C dargestellt. Die verschiedenen Verhaltensweisen der Begrenzungsvariablen<br />
für das 685-Knoten Netz werden wie folgt kommentiert:<br />
• Die Spannungsbeträge der Knoten 110 und 236 mit verschiedenen<br />
Anfangswerten (Nur die Begrenzung von |u110| ist nach der<br />
Lastflussrechnung überschritten) konvergieren beide zu den Span-<br />
nungsmaxima (umaxi<br />
=1.1 p.u.). Dieses Verhalten wird ebenfalls<br />
bei Blindleistungen Q2, Q65 und Q191 der Generatorknoten 2, 65<br />
und 191 gezeigt. In diesen fünf Beispielen sind die µ 2s -Endwerte<br />
grösser als Null und die z 2r -Endwerte gleich Null.<br />
• Dagegen bleibt der Spannungsbetrag <strong>des</strong> Knotens 274 unterhalb<br />
<strong>des</strong> Spannungsmaximums. Der µ 2s<br />
i -Wert ist fast gleich Null und<br />
-Wert ist deutlich grösser als Null.<br />
der z 2r<br />
i<br />
• Die Blindleistung <strong>des</strong> Generatorknotens 205 (siehe auch Tabelle<br />
C.4) hat während <strong>des</strong> OPF-Verfahrens ihre obere Grenze überschritten.<br />
Die entsprechende Ungleichheitsnebenbedingung wurde<br />
in der nächsten Iteration 1 <strong>des</strong>halb berücksichtigt.<br />
Im Optimum bleibt jedoch der Wert dieser Blindleistung viel<br />
tiefer als das Maximum. Die Optimierungsvariablen benehmen<br />
sich wie im Normalfall, d.h. unbegrenzt. Der z2r i -Wert wird wegen<br />
der Gleichung:<br />
wesentlich grösser als Null.<br />
hi + z 2r<br />
i =0<br />
Die Werte von µ und z können im Prinzip auch kleiner als Null werden.<br />
Dies hat keinen Einfluss auf die Problembedingungen, da nur<br />
µ 2s und z 2r positiv bleiben müssen. In diesem letzten Beispiel werden<br />
die numerischen Werte der Lagrange-Multiplikatoren µ (d.h. µQmax 205 )<br />
schwach negativ.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
100 KAPITEL 7. SIMULATIONSRESULTATE<br />
7.4.4 Verhalten bei Belastungsänderungen<br />
In einer zweiten Phase wurden die gesamten Wirkleistungsverluste eines<br />
Netzwerkes bei verschiedenen Belastungen optimiert. Die Wirkund<br />
Blindleistung an jedem Last- und Generatorknoten wurde zwischen<br />
+10% und −50% verändert.<br />
Das 685-Knoten Netz wird für diese Untersuchungen benutzt. Die Resultate<br />
sind in der Tabelle 7.7 dargestellt.<br />
Netz- Anz. Erzeugung Verluste Bindende Grenzen<br />
belast. Iter. MW MVar MW MVar umax Qmax Qmin<br />
−50% 23 55087.03 -7027.74 326.53 -17357.24 152 - 41<br />
−20% 20 88411.08 5037.84 794.28 -11489.35 201 5 21<br />
−10% 21 99573.31 9872.89 1004.41 -8720.20 211 6 13<br />
Grund 23 110764.78 15117.04 1243.78 -5541.95 202 39 13<br />
+10% 20 121988.38 20813.37 1515.28 -1911.52 199 35 8<br />
Tabelle 7.7: OPF-Rechnungen für das 685-Knoten Netz unter verschiedenen Belastungen.<br />
Die Verlustminimierung elektrischer Energieübertragungssysteme ist<br />
ein nicht-lineares Problem. Wie die obige Tabelle zeigt, existiert keine<br />
lineare Beziehung zwischen Leistungsverlusten und Belastungen. Die<br />
Verminderung der Lastleistung erzeugt nur eine prozentuelle Verminderung<br />
der optimalen Verluste. Die Iterationszahl bleibt jedoch für<br />
alle <strong>Lösung</strong>en praktisch unverändert.<br />
7.4.5 “Online ” -Einsatz<br />
Nach dieser Erfahrung erscheint es sinnvoll, auch mehrfache Optimierungen<br />
in einer “Online ” -Anwendung zu berechnen. Bei “Online ” -<br />
Anwendungen werden häufig in kurzen Zeitabschnitten nur die vorgegebenen<br />
Lasten verändert. Die Optimierung kann dadurch beschleunigt<br />
werden, dass zu Beginn einer neuen OPF-Rechnung nicht alle<br />
Optimierungsvariablen x (Spannungen, Wirk- und Blindleistungen)<br />
auf die resultierende Lastflusswerte gesetzt werden, sondern die optimale<br />
<strong>Lösung</strong> der vorherigen Optimierung als Startvektor benutzt wird.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.5. KOSTENOPTIMIERUNG 101<br />
Bei nicht allzu grossen Änderungen der Belastungen befindet man sich<br />
dann bereits in der Nähe der neuen optimalen <strong>Lösung</strong>, was eine deutliche<br />
Reduktion der benötigen Rechenzeit mit sich bringt. Als Beispiel<br />
wurden einige Testnetze mit einem Lastwechsel von jeweils ±10% optimiert<br />
(siehe Tabelle 7.8).<br />
Netz<br />
Anz. Iter. CPU-Zeit CPU-Zeit<br />
/Lastwechsel /Lastwechsel [s] /Iteration [s]<br />
57 3 0.4 0.1<br />
118 6 1.3 0.2<br />
162 10 5.4 0.5<br />
685 14 22.8 1.6<br />
2542 15 70.0 4.65<br />
Tabelle 7.8: Rechenzeiten im “Online ” -Einsatz.<br />
Dabei fällt besonders auf, dass die Anzahl der Iterationen für eine<br />
Optimierung um rund 40 % gegenüber den Läufen der Tabelle 7.4<br />
reduziert werden konnte.<br />
7.5 Kostenoptimierung<br />
Der “unlimited point ” -Algorithmus wurde in dieser Arbeit auch mit<br />
einer Kostenfunktion getestet. In der Zielfunktion (4.9) wurde für<br />
jeden regulierbaren Generator eine quadratisch angenäherte Kostenfunktion<br />
in Abhängigkeit der erzeugten Wirkleistung<br />
fi(PGi) =C0+C1PGi +C2P 2 Gi<br />
addiert.<br />
Die optimale <strong>Lösung</strong> wurde nur mit einem optimalen Lastflussverfahren<br />
(d.h. ohne Vorberechnung durch einen gewöhnlichen Lastfluss)<br />
untersucht. Die Anfangswerte der Optimierungsvariablen µ o und z o<br />
so wie der Dämpfungsfaktor α müssen geändert werden, und zwar<br />
µ o =1.0, z o =1.0 und α =0.5.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
102 KAPITEL 7. SIMULATIONSRESULTATE<br />
Die Abbildung 7.4 zeigt am Beispiel eines 41-Knoten Netzes den Konvergenzverlauf<br />
<strong>des</strong> maximalen Mismatches während <strong>des</strong> <strong>Lösung</strong>sverfahrens.<br />
Die erste Iteration (wie in der Abbildung 7.2) bringt den<br />
Wert <strong>des</strong> maximalen Mismatches zum höchsten Punkt. Der Konvergenzverlauf<br />
sinkt aber nach der ersten Iteration praktisch regelmässig<br />
ab. Die Iterationzahl wird im Vergleich mit einer Verlustminimierung<br />
grösser (23 Iterationen). Es ist aber zu beachten, dass in diesem Versuch<br />
der Dämpfungsfaktor, der die Konvergenzgeschwindigkeit stark<br />
beeinflusst, kleiner als bei dem der Verlustminimierung ist (siehe auch<br />
Abbildung 6.4).<br />
Max. Mismatch<br />
10 3<br />
10 2<br />
10 1<br />
10 0<br />
10 −1<br />
10 −2<br />
__ Kostenminimierung<br />
.... Verlustminimierung 1<br />
−− Verlustminimierung 2<br />
10<br />
0 5 10 15 20 25<br />
−3<br />
Iteration<br />
Abbildung 7.4: Konvergenzverlauf eines 41-Knoten Netzes mit einer Kostenminimierung<br />
und einer Verlustminimierung (1 = nur OPF; 2 = OPF nach einem gewöhnlichen<br />
Lastfluss und mit einer gestaffelten Einführung der Begrenzungen) als Zielfunktion.<br />
Die Anzahl der Knotenspannungen, der Wirk- und Blindleistungen<br />
der Generatoren, und der Übersetzungsverhältnisse der regulierbaren<br />
Transformatoren, die nach einer Kostenoptimierung und einer Verlustminimierung<br />
als Zielfunktion an ihrer Grenze liegen, sind in der<br />
Tabelle 7.9 angegeben.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.6. VERGLEICH MIT ANDEREN M<strong>ETH</strong>ODEN 103<br />
OPF umax umin Pmax Pmin Qmax Qmin tmaxi−j tmini−j<br />
Kosten 11 6 5 1 2 - 7 2<br />
Verluste 25 - - - - 1 - -<br />
Tabelle 7.9: Art und Anzahl an der Grenze liegende Ungleichheitsnebenbedingungen<br />
eines 41-Knoten Netzes mit einer Kostenminimierung und einer Verlustminimierung<br />
als Zielfunktion.<br />
Die Ergebnisse einer Kostenminimierung im Vergleich mit einer Verlustminimierung<br />
haben am Beispielnetz gezeigt, dass mehr Grenzen<br />
aktiv sind.<br />
7.6 Vergleich mit anderen Methoden<br />
Die Optimierungsergebnisse der “unlimited point ” -Methode werden<br />
am Ende dieser Arbeit mit anderen Optimierungsalgorithmen verglichen.<br />
Als Zielfunktion werden die gesamten Wirkleistungsverluste eines<br />
Netzwerkes eingesetzt.<br />
Erstens wurde ein IP-Algorithmus entwickelt, der grosse Ähnlichkeiten<br />
mit der “unlimited point ” -Methode enthält. Dieses Verfahren, basiert<br />
auf der im Abschnitt 2.3.4 dargelegten Theorie und hat eine ähnliche<br />
Struktur wie das entwickelte OPF-Verfahren. Die IP-<strong>Lösung</strong> wird mit<br />
einem Optimierungsalgorithmus, ohne gestaffelte Einführung der Begrenzungen<br />
und ohne Vorberechnung eines gewöhnlichen Lastflusses,<br />
durchgeführt.<br />
Methode<br />
Verluste CPU-Zeit Anz. CPU-Zeit<br />
[MW] [s] Iter. /Iteration [s] Dimension<br />
UP 1243.78 46.89 23 2.03 5834<br />
IP 1244.25 47.64 24 1.90 6282<br />
MINOS 1258.91 4867.1 7 615.6 -<br />
Tabelle 7.10: Verlustminimierung eines 685-Knoten Netzes mit verschiedenen Optimierungsalgorithmen<br />
(UP = “unlimited point ” -Algorithmus, IP = “interior point ” -<br />
Algorithmus, MINOS = MINOS-Optimierungspaket [34]).<br />
Der Vergleich dieser beiden Methoden (“unlimited point ” und IP)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
104 KAPITEL 7. SIMULATIONSRESULTATE<br />
hat kleine Unterschiede bezüglich Iterationzahl und Rechenzeit gezeigt<br />
(siehe Tabelle 7.10). Die Iterationzahl ist beim IP-Algorithmus etwas<br />
grösser. Die Rechenzeit pro Optimierungsdurchlauf ist hingegen, trotz<br />
der grösseren Dimension <strong>des</strong> IP-Problems etwas kleiner, weil für jeden<br />
Schritt <strong>des</strong> <strong>Lösung</strong>sverfahrens keine Einfügung von neuen Variablen<br />
mehr durchgeführt wird (sie werden alle von Anfang an berücksichtigt).<br />
Die Wirkleistungsverluste nehmen am Ende der beiden Optimierungsverfahren<br />
praktisch den gleichen Wert an.<br />
In der Abbildung 7.5 wird am Beispiel eines 685-Knoten Netzes der<br />
Konvergenzverlauf der beiden Methoden angegeben.<br />
Max. Mismatch<br />
10 3<br />
10 2<br />
10 1<br />
10 0<br />
10 −1<br />
10 −2<br />
__ "unlimited point"−Algorithmus<br />
−− "interior point"−Algorithmus<br />
10<br />
0 5 10 15 20 25<br />
−3<br />
Iteration<br />
Abbildung 7.5: Konvergenzverlauf <strong>des</strong> 685-Knoten Netzes.<br />
Ein zweiter Vergleich wurde schliesslich mit dem Optimierungspaket<br />
MINOS 5.4 [34] durchgeführt. Dieser Simplex-basierte LP-Algorithmus<br />
braucht aber trotzt der geringen Iterationzahl eine 100 mal<br />
längere Rechenzeit als beim “unlimited point ” -Algorithmus.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
7.7. ZUSAMMENFASSUNG 105<br />
7.7 Zusammenfassung<br />
Der entwickelte “unlimited point ” -Algorithmus hat, sowohl für die<br />
gewöhnliche Lastflussrechnung, als auch für die optimale Lastflussrechnung<br />
ein stabiles Verhalten mit reduzierten Rechenzeiten gezeigt. Die<br />
Rechenzeiten in beiden Fälle steigen linear mit der Netzgrösse. Der<br />
Lastfluss <strong>des</strong> 2542-Knoten Netzes wird in weniger als 120 Sekunden<br />
optimiert.<br />
Die <strong>Lösung</strong> eines Lastflussproblems wird im Mittel nach 5 bis 6 Iterationen<br />
erreicht. Im Gegensatz dazu ist die Iterationzahl eines OPF-<br />
Algorithmus schwierig auszuwerten. Der OPF-Algorithmus konvergiert<br />
durchwegs in 20 - 25 Iterationen für die Verlustminimierung und<br />
in 30 Iterationen für die Kostenoptimierung.<br />
Die gesamten Wirkleistungsverluste nach einer Verlustoptimierungsrechnung<br />
sinken je nach Netzwerk um rund 10 ÷ 20%imVergleichmit<br />
den Lastflussergebnissen. Die Ursache dieser grossen Veränderung ist<br />
in den angegebenen Datensätzen zu suchen. Ermutigende Ergebnisse<br />
wurden auch durch die Optimierung von elektrischen Energieübertragungssystemen<br />
mit verschieden Belastungsänderungen und bei wiederholter<br />
Anwendung im “Online ” -Betrieb erreicht.<br />
Ein Vergleich mit anderen bestehenden Methoden hat zudem die positiven<br />
Eigenschaften <strong>des</strong> “unlimited point ” -Algorithmus gezeigt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
106 KAPITEL 7. SIMULATIONSRESULTATE<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Kapitel 8<br />
Schlussbetrachtungen<br />
Die Bestimmung eines optimalen Lastflusses (= Optimal Power Flow,<br />
OPF) ist die Suche nach einem, bezüglich einer Zielfunktion, optimalen<br />
Zustand eines elektrischen Energieübertragungssystems, unter<br />
gleichzeitiger Berücksichtigung eines Lastflussmodells sowie operationellen<br />
und technischen Begrenzungen. Mathematisch führt dies<br />
auf ein nichtlineares Optimierungsproblem unter Berücksichtigung von<br />
Gleichheitsnebenbedingungen (Lastflussgleichungen, vorgegebene Lasten),<br />
sowie Ungleichheitsnebenbedingungen (betriebliche und technische<br />
Grenzen).<br />
Moderne, rechnergestützte Leitsysteme stellen dem Netzbetreiber derartige<br />
Funktionen als Hilfsmittel <strong>zur</strong> Verfügung. Ein Algorithmus <strong>zur</strong><br />
Bestimmung eines optimalen Lastflusses muss in der Lage sein, auch<br />
für grosse Netze schnell eine <strong>Lösung</strong> zu finden.<br />
Durch die Möglichkeit, die Schwachbesetztheit der Netzmatrizen auszunutzen,<br />
eignet sich ein Programm auf der Basis einer Newton-Raphson-Methode<br />
besonders gut. Wie aus der gewöhnlichen Lastflussrechnung<br />
bekannt ist, sollten die Rechenzeiten nur etwa linear mit der<br />
Systemgrösse ansteigen. Die <strong>Lösung</strong> riesiger linearer Gleichungssysteme,<br />
die schwachbesetzt sind, wird heutzutage mittels leistungsfähiger<br />
“Software ” -Pakete durchgeführt.<br />
Ein allgemeines Problem beim OPF stellt die Behandlung von Ungleichheitsnebenbedingungen<br />
dar. Normalerweise verwenden OPF-<br />
Verfahren (OPF-Klasse B) Straffunktionen (“Penalty-terms ” ). Dabei<br />
ergeben sich allerdings, bei Aktivierung bzw. Desaktivierung der<br />
Grenzen, Veränderungen in der Jacobimatrix der KKT-Funktionen,<br />
was aufwendige Korrekturoperationen <strong>zur</strong> Folge hat. Ausserdem fehlt<br />
107<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
108 KAPITEL 8. SCHLUSSBETRACHTUNGEN<br />
eine effiziente Methode <strong>zur</strong> Behandlung der korrekten Menge der zu<br />
aktivierender Ungleichheitsnebenbedingungen. Bestehende Programme<br />
verwenden hier heuristische Suchverfahren, die einerseits sehr zeitaufwendig<br />
sind und andererseits die Konvergenz nicht garantieren können.<br />
Das Ziel dieser Arbeit war erstens die Entwicklung eines neuen <strong>Ansatz</strong>es<br />
für eine systematische Behandlung von Ungleichheitsnebenbedingungen<br />
in einem OPF-Algorithmus, welcher auf einer Newton-<br />
Raphson-Methode basiert. Zweitens wurde versucht einen möglichst<br />
flexiblen und konkreten, vollautomatisch generierten, korrekten OPF-<br />
Code zu erzeugen.<br />
Das Hauptprinzip dieses <strong>Ansatz</strong>es besteht aus der Umwandlung der<br />
Karush-Kuhn-Tucker-Optimalitätsbedingungen und der Anwendung<br />
eines Newton-Raphson-Verfahrens, das Ähnlichkeiten mit der quadratischen<br />
Programmierung und mit dem “interior point ” -Verfahren hat.<br />
Als erster Schritt werden die Ungleichheitsnebenbedingungen<br />
h(x) ≤ 0<br />
in Gleichheitsnebenbedingungen durch Einführen neuer “slack ” -Variablen<br />
z wie folgt umgewandelt:<br />
mit<br />
h(x)+z=0<br />
z ≥ 0<br />
Zweitens werden alle Variablen µi in den Optimalitätsbedingungen<br />
mit µ 2s<br />
i und alle zi mit z 2r<br />
i ersetzt, so dass die ursprünglichen µ und z<br />
sie immer positiv bleiben (r, s: ganze Zahlen = 0.<br />
Nach diesen mathematischen Änderungen erhält man die folgenden<br />
transformierten notwendigen Optimalitätsbedingungen erster<br />
Ordnung.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
∂<br />
∂x<br />
<br />
F(x)+ λTg(x)+µ 2sT<br />
<br />
x<br />
h(x)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
=0<br />
g(x) = 0<br />
h(x)+z 2r =0<br />
diag{µ 2s<br />
i } z 2r = 0<br />
Dieses nicht lineare Gleichungssystem wird mit einem klassischen Newton-Raphson-Verfahren<br />
gelöst.<br />
Die Jacobimatrix und die rechte Seite <strong>des</strong> gesamten linearen Gleichungssystems<br />
werden mit Hilfe einer “Fortran-Datenbank ” von Teilmatrizen<br />
und Teilvektoren gebildet, die ausgehend von einfacheren<br />
Musternetzen in algebraischen Form hergeleitet sind. Die Datenbank<br />
wird durch ein “Maple V ” -Programm automatisch für jeden Elementtyp<br />
eines elektrischen Energieübertragungssystems (Generatorknoten,<br />
Lastknoten, Übertragungsleitungen und Transformatoren) generiert.<br />
Durch diese neue entwickelte Programmstruktur kann folgen<strong>des</strong> hervorgehoben<br />
werden:<br />
• Neue Elementtypen können einfach in der Datenbank hinzugefügt<br />
werden.<br />
• Bestehende Elementtypen können schnell geändert werden.<br />
• Die Dimension <strong>des</strong> zu lösenden Problems kann nach jeder Iteration<br />
einfach variiert werden.<br />
• Die Datenbank besteht wegen der automatischen Erzeugung aus<br />
fehlerfreien Teilelementen<br />
• Das lineare Gleichungssystem kann also ohne grossen Zeitaufwand<br />
aufgebaut werden.<br />
In der vorliegenden Arbeit wurde die Robustheit <strong>des</strong> “unlimited point“-<br />
Algorithmus mit mehreren Testnetzen überprüft. Die verschiedenen<br />
Optimierungssimulationen haben gezeigt, dass unter folgenden Bedingungen<br />
der OPF-Algorithmus eine schnelle und robuste Konvergenz<br />
erreicht:<br />
109
110 KAPITEL 8. SCHLUSSBETRACHTUNGEN<br />
• Die Ungleichheitsnebenbedingungen werden im Gleichungssystem<br />
während <strong>des</strong> OPF-Verlaufes gestaffelt eingefügt.<br />
• Für grosse Netze stellt die Vorberechnung eines gewöhnlichen<br />
Lastflusses, bei welcher die resultierenden Werte der Zustandvariablen<br />
x als Anfangswerte in der optimalen Lastflussrechnung<br />
eingesetzt werden, einen entscheidenden Vorteil dar.<br />
• Die Anfangswerte der Lagrange-Multiplikatoren der Ungleichheitsnebenbedingungen<br />
µ o und der zugehörigen “slack ” -Variablen z o<br />
sowie der Wert <strong>des</strong> Dämpfungsfaktors α und die Werte r und<br />
s werden heuristisch bestimmt. Um die <strong>Lösung</strong>szeit <strong>des</strong> OPF-<br />
Algorithmus zu reduzieren, könnte im weiteren ein individuelles<br />
und dynamisches Verhalten dieser Variablen vorgesehen werden.<br />
Eine Skalierung der Gleichheits- und Ungleichheitsnebenbedingungen<br />
wäre ebenfalls denkbar.<br />
Als Hauptzielfunktion wird die Summe der gesamten Verluste eines<br />
elektrischen Übertragungssystems eingesetzt. Ein Beispiel mit der<br />
Summe aller Erzeugungskosten der regelbaren Generatoren als Zielfunktion<br />
hat ebenfalls erfolgreiche Konvergenz gezeigt.<br />
Der entwickelte OPF-Algorithmus hat ein stabiles Verhalten gezeigt,<br />
was an Testnetzen zwischen 14 und 2500 Knoten demonstriert wird.<br />
Vergleiche mit anderen OPF-Algorithmen haben die vorteilhaften Leistungen<br />
<strong>des</strong> “unlimited point ” -Algorithmus gezeigt, welche zusammen<br />
mit neuartigen Software-Engineeringmethoden wie folgt zusammengefasst<br />
werden können:<br />
• Robuster OPF-Algorithmus basierend auf Newton-Raphson,<br />
• schneller OPF-Algorithmus mit Ausnützung der Schwachbesetztheit,<br />
• Garantie eines korrekten OPF-Co<strong>des</strong> durch automatische Fortran-<br />
Codegenerierung ausgehend von Hochsprachen “Maple V ” -Spezifikationen,<br />
• flexible und schnelle Codeanpassung bei Hinzufügen neuer OPF-<br />
Netzelemente.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Anhang A<br />
Bezeichnungen<br />
A.1 Allgemeine Symbole<br />
∂ partielle Ableitung<br />
∆ Differenz, Mismatch<br />
a komplexe Zahl<br />
|a| Absolutwert einer komplexen Zahl<br />
a Vektor mit den Elementen ai<br />
a Optimaler Wert nach einem Optimierungsverfahren<br />
a o Anfangswert<br />
a k Wert nach der k-ten Iteration<br />
A Matrix mit den Elementen aij<br />
A T transformierte Matrix<br />
{n} Menge aller Knoten {1 ···n}<br />
111<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
112 ANHANG A. BEZEICHNUNGEN<br />
A.2 Spezielle Bezeichnungen<br />
L Lagrange-Funktion<br />
F Zielfunktion<br />
λ Vektor der Lagrange-Multiplikatoren<br />
µ Vektor der Karush-Kuhn-Tucker-Multiplikatoren<br />
z Vektor der “slack ” -Variablen<br />
J Jacobimatrix<br />
H Hess’sche Matrix<br />
v Vektor aller Variablen<br />
RHS Vektor der rechten Seite (“Right Hand Side ” )<br />
α maximale Schrittgrösse (für IP-Algorithmus),<br />
Dampfungsfaktor (für “unlimited point ” -Algorithmus)<br />
ζ Sperrfaktor (für IP-Algorithmus)<br />
Y komplexe Admittanxmatrix mit y ij = Gij + jBij<br />
G Matrix mit den reellen Komponenten von Y<br />
B Matrix mit den imaginären Komponenten von Y<br />
u i<br />
Spannung am Knoten i, u i = ei + jfi oder u i = |u i|e jΘi<br />
umaxi, umini maximale und minimale Spannung am Knoten i<br />
i i<br />
Knotenstrom am Knoten i, ii = iei + jifi<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
A.3. ABKÜRZUNGEN 113<br />
Pi, Qi<br />
Pmaxi , Pmini maximale<br />
Qmaxi , Qmini maximale<br />
i i−ji<br />
imaxi−j i<br />
Pmaxi−j i<br />
t i−ji<br />
tmaxi−j i , tmini−j i<br />
Θtmaxi−j i ,Θtmini−j i<br />
A.3 Abkürzungen<br />
Wirk- und Blindleistung am Knoten i<br />
und minimale Wirkleistung<br />
am Knoten i<br />
und minimale Blindleistung<br />
am Knoten i<br />
Zweigstrom vom Knoten i weggehend,<br />
i i−ji = iei−j i + jifi−j i<br />
maximale Zweigstrom vom Knoten i weggehend<br />
maximale Wirkleistung <strong>des</strong> Zweiges i − j<br />
aus Knoten i<br />
Übersetzungsverhältnis <strong>des</strong> Transformators i,<br />
t i−ji = trei−j i + jtimi−j i oder t i−ji = |t i−ji |ejΘt i−ji<br />
maximales und minimales<br />
Übersetzungsverhältnis am Transformator i<br />
maximale und minimale Winkel <strong>des</strong><br />
Übersetzungsverhältnises am Transformator i<br />
OPF “Optimal Power Flow“<br />
UP <strong>“Unlimited</strong> Point“<br />
IP “Interior Point“<br />
LP Lineare Programmierung<br />
QP Quadratische Programmierung<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
114 ANHANG A. BEZEICHNUNGEN<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Anhang B<br />
Mathematische Formulierung der<br />
N-Tor-Typen<br />
B.1 Die Übertragungsleitung<br />
Die Übertragungsleitungen können in Freiluftleitungen und Kabel eingeteilt<br />
werden. Sie werden, wie in der Abbildung B.1 dargestellt, als<br />
Π-Glieder modelliert.<br />
i<br />
j B<br />
2<br />
R + jX<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
j B<br />
2<br />
Abbildung B.1: Die Übertragungsleitung im Lastfluss-Modell<br />
Die entsprechende zwei-Tor Gleichung lautet:<br />
⎡<br />
⎣<br />
i i−ji<br />
i i−jj<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
Y ii Y ij<br />
Y ji Y jj<br />
⎤⎡<br />
ui ⎦⎣<br />
Setzt man die Gleichungen (4.3) - (4.7) in (B.1) ein:<br />
115<br />
u j<br />
⎤<br />
j<br />
⎦ (B.1)
116 ANHANG B. N-TOR-TYPEN<br />
⎡<br />
⎣<br />
iei−j i + jifi−j i<br />
iei−j j + jifi−j j<br />
⎤<br />
⎛⎡<br />
⎦ = ⎝<br />
⎣ Gii Gij<br />
Gji Gjj<br />
ei Bii + fi Gii + ej Bij + fj Gij<br />
⎤<br />
⎦ + j<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
⎡<br />
⎣ Bii Bij<br />
Bji Bjj<br />
⎤⎞⎡<br />
⎦⎠⎣<br />
ei + jfi<br />
ej + jfj<br />
⎡<br />
= ⎣ ei<br />
⎤ ⎡<br />
Gii − fi Bii + ej Gij − fj Bij<br />
⎦ + j ⎣ ei<br />
⎤<br />
Gij − fi Bij + ej Gjj − fj Bjj<br />
⎦<br />
Mit<br />
Gii = R<br />
R 2 +X 2<br />
Gij = Gji = − R<br />
R 2 +X 2<br />
Gjj = R<br />
R 2 +X 2<br />
Bii = − X<br />
R2 +X2 + B<br />
2<br />
Bij = Bji = X<br />
R 2 +X 2<br />
Bjj = X<br />
R2 +X2 + B<br />
2<br />
B.2 Der Transformator<br />
⎤<br />
⎦<br />
ei Bij + fi Gij + ej Bjj + fj Gjj<br />
(B.2)<br />
Die Transformatoren (siehe Abbildung B.2) stellen eine Untermenge<br />
der Leitungselemente dar.<br />
i<br />
t :1<br />
j B<br />
2<br />
R + jX<br />
j B<br />
2<br />
Abbildung B.2: Der Transformator im Lastfluss-Modell<br />
Die entsprechende 2-Tor Gleichung lautet gleich wie die 2-Tor Glei-<br />
j
B.3. DIE QUERIMPEDANZ 117<br />
chung der Leitung (B.2). Die Transformatoradmittanzmatrix hat folgenden<br />
Grössen:<br />
Gii = 1<br />
|ti−ji |<br />
R<br />
R 2 +X 2<br />
Gij = − 1 R ( |ti−ji | R2 +X2 trei−j +<br />
i X<br />
R2 +X2timi−j )<br />
i<br />
Gji = − 1 R<br />
|ti−ji | ( R2 +X2trei−j −<br />
i X<br />
R2 +X2timi−j )<br />
i<br />
Gjj = R<br />
R 2 +X 2<br />
Bii = 1 X (− |ti−ji | R2 +X2 + B<br />
2 )<br />
Bij = − 1 R<br />
|ti−ji | ( R2 +X2 timi−j −<br />
i X<br />
R2 +X2 trei−j )<br />
i<br />
Bji = 1 R ( |ti−ji | R2 +X2timi−j +<br />
i X<br />
R2 +X2 trei−j )<br />
i<br />
Bjj = − X<br />
R2 +X2 + B<br />
2<br />
Das komplexe Übersetzungsverhältnis ti−ji stellt ein Mass dar, um<br />
die 2-Tor Parameter zu ändern. Im elektrischen Übertragungssystem<br />
entspricht ti−ji einer variablen Spannungsbeziehung von Knoten i zu<br />
Knoten j. Das erlaubt die Modellierung eines Transformators. In der<br />
Praxis ist t eine diskrete Grösse. Im vorliegenden Modell wird t als<br />
kontinuierliche Variable betrachtet.<br />
B.3 Die Querimpedanz<br />
Ein dualer Fall tritt auf, wenn die Netzkomponente nur aus einem<br />
Querglied besteht. Die Knoten <strong>des</strong> Π-Glieders fallen dann zusammen.<br />
Das Problem der Nicht-Existenz der Admittanzmatrix kann jedoch<br />
umgangen werden: Das Querelement wird einfach einem Knoten zugeordnet.<br />
Die Querimpedanzen (siehe Abbildung B.1) können alle durch die gleiche<br />
Art von Gleichungen dargestellt werden.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
118 ANHANG B. N-TOR-TYPEN<br />
i<br />
GQuer + jBQuer<br />
Abbildung B.3: Die Querimpedanz im Lastfluss-Modell<br />
Die Beziehung für jede Querimpedanz zwischen Strom, Spannung und<br />
den Impedanzparametern wird für einem Knoten i<br />
i Qi = si(GQuer + jBQuer)u i<br />
= siGQuerei − siBQuerfi + j(siGQuerfi + siBQuerei)<br />
(B.3)<br />
Die reelle Variable si stellt ein Mass dar, um die Querimpedanz zu<br />
verändern. In der Praxis repräsentiert si die Anzahl eingeschalteter<br />
Querimpedanzen am Knoten i und wird als diskrete Steuerung vorallem<br />
für Spannungsamplituden der Knoten benutzt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Anhang C<br />
Iteratives Verhalten der<br />
Optimierungsvariablen<br />
Im Folgenden werden einige Verläufe der berücksichtigten Begrenzungen<br />
nach einer optimalen Lastflussrechnung vollständig dargestellt.<br />
Die Beispiele sind bei der Optimierung eines 685-Knoten Netzes entstanden.<br />
Die vier berücksichtigten Begrenzungen, die hier näher analysiert<br />
werden, sind wie folgt:<br />
1. Die obere Grenze <strong>des</strong> Spannungsbetrags |umax110 |<br />
2. Die obere Grenze <strong>des</strong> Spannungsbetrags |umax274|<br />
3. Die untere Grenze der Generatorblindleistung Qmin2<br />
4. Die obere Grenze der Generatorblindleistung Qmax205<br />
Im ersten Fall (siehe Tabelle C.1) ist die obere Grenze von |u110|<br />
nach der Anfangslastflussrechnung verletzt. Die entsprechende Ungleichheitsnebenbedingung<br />
wird schon ab der ersten Iteration im linearen<br />
Gleichungssystem (3.14) eingetragen. Während der Optimierung<br />
verändert sich |u110| zu ihrem maximalen Wert. Der µ 2s -Wert<br />
umax110 bleibt grösser Null und der z2r umax -Wert sinkt zu Null.<br />
110<br />
Der Spannungsbetrag |u274| (siehe Tabelle C.2) bleibt dagegen im zweiten<br />
Fall während der ganzen Optimierung unter ihren Maximum. Der<br />
µ 2s -Wert wird Null und der z umax274 2r -Wert ist grösser als Null. Da<br />
umax274 der Endwert von |u274| nahe beim Spannungsmaximum liegt, bleibt<br />
der z2r -Wert in der Nähe von Null.<br />
umax274 In der Tabelle C.3 wird das Verlauf der Generatorblindleistung am<br />
119<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
120 ANHANG C. VERHALTEN VON OPF-VARIABLEN<br />
Knoten 2 dasgestellt. In diesem Fall wird die Grenze der Generatorblindleistung<br />
erst nach der Iteration 6 unterschritten (Qmin2 = −4.0<br />
p.u.). Mit Berücksichtigung der entsprechenden Ungleichheitsnebenbedingung<br />
wird Q2 in Laufe der Iterationen wieder an die untere Grenze<br />
<strong>zur</strong>ückgezogen. Die Werten µ 2s und z umax2 2r haben ein ähnliches<br />
umax2 Verhalten wie beim ersten Beispiel.<br />
Ein anderes interessantes Verhalten ergibt sich aus dem Verlauf der<br />
Generatorblindleistung Q205 (siehe Tabelle C.4). In diesem letzten Fall<br />
wird die obere Grenze (3.25 p.u.) der Generatorblindleistung Qmax205<br />
bei der ersten Iteration <strong>des</strong> OPF-Rechnung überschritten. Dieser Wert<br />
sinktaberwährend <strong>des</strong> <strong>Lösung</strong>sverfahrens tief unter das Maximum<br />
ab. Die Variable z2r steigt also zu einem relativ hohen Wert.<br />
Qmax205 Man beachte, dass der Lagrange-Multiplikator µQmax 205 einen schwach<br />
negativen Wert annimmt.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Anz. Maximale Spannung am Knoten 110<br />
Iter.<br />
|u110|<br />
µumax 110 zumax 110 µ 2s<br />
umax 110<br />
z 2r<br />
umax 110<br />
0 1.1028 0.5000 0.8000 0.25000 0.40960000<br />
1 1.0995 0.4985 0.6412 0.24851 0.16902699<br />
2 1.0995 0.4971 0.5138 0.24713 0.06971674<br />
3 1.1015 0.5088 0.4051 0.25886 0.02691776<br />
4 1.1056 0.6167 0.2811 0.38035 0.00624144<br />
5 1.1035 0.8586 0.1697 0.73718 0.00083015<br />
6 1.1008 0.9539 0.1264 0.90988 0.00025506<br />
7 1.1002 1.0526 0.0946 1.10788 0.00007996<br />
8 1.1000 1.0150 0.0773 1.03022 0.00003577<br />
9 1.1000 1.0101 0.0621 1.02038 0.00001483<br />
10 1.1000 1.0102 0.0496 1.02044 0.00000607<br />
11 1.1000 1.0095 0.0397 1.01918 0.00000249<br />
12 1.1000 1.0087 0.0318 1.01750 0.00000102<br />
13 1.1000 1.0081 0.0255 1.01624 0.00000042<br />
14 1.1000 1.0078 0.0204 1.01571 0.00000017<br />
15 1.1000 1.0078 0.0163 1.01558 0.00000007<br />
16 1.1000 1.0078 0.0130 1.01557 0.00000003<br />
17 1.1000 1.0078 0.0104 1.01558 0.00000001<br />
18 1.1000 1.0078 0.0083 1.01558 0.00000000<br />
19 1.1000 1.0078 0.0067 1.01558 0.00000000<br />
20 1.1000 1.0078 0.0053 1.01558 0.00000000<br />
21 1.1000 1.0078 0.0043 1.01559 0.00000000<br />
22 1.1000 1.0078 0.0034 1.01559 0.00000000<br />
23 1.1000 1.0078 0.0027 1.01559 0.00000000<br />
24 1.1000 1.0078 0.0022 1.01559 0.00000000<br />
Tabelle C.1: Verlauf <strong>des</strong> Spannungsbetrags (in p.u.) am Knoten 110 eines 685-<br />
Knoten Netzes (r =2,s=1)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
121
122 ANHANG C. VERHALTEN VON OPF-VARIABLEN<br />
Anz. Maximale Spannung am Knoten 274<br />
Iter.<br />
|u274|<br />
µumax 274 zumax 274 µ 2s<br />
umax 274<br />
z 2r<br />
umax 274<br />
0 0.9522 0.5000 0.8000 0.25000 0.40960000<br />
1 0.9520 0.3517 0.7586 0.12370 0.33122223<br />
2 0.9543 0.2250 0.7436 0.05062 0.30570449<br />
3 0.9624 0.1425 0.7313 0.02029 0.28593272<br />
4 0.9795 0.0941 0.7092 0.00885 0.25296226<br />
5 1.0022 0.0650 0.6770 0.00422 0.21001245<br />
6 1.0032 0.0398 0.6725 0.00159 0.20454388<br />
7 0.9976 0.0229 0.6811 0.00052 0.21522436<br />
8 0.9954 0.0135 0.6844 0.00018 0.21934772<br />
9 0.9953 0.0081 0.6844 0.00007 0.21943775<br />
10 0.9953 0.0049 0.6844 0.00002 0.21936026<br />
11 0.9953 0.0029 0.6844 0.00001 0.21943771<br />
12 0.9952 0.0018 0.6845 0.00000 0.21948060<br />
13 0.9952 0.0011 0.6845 0.00000 0.21948884<br />
14 0.9952 0.0006 0.6845 0.00000 0.21948698<br />
15 0.9952 0.0004 0.6845 0.00000 0.21949721<br />
16 0.9952 0.0002 0.6845 0.00000 0.21951557<br />
17 0.9952 0.0001 0.6845 0.00000 0.21953233<br />
18 0.9952 0.0001 0.6845 0.00000 0.21954265<br />
19 0.9952 0.0000 0.6845 0.00000 0.21954721<br />
20 0.9952 0.0000 0.6845 0.00000 0.21954870<br />
21 0.9952 0.0000 0.6845 0.00000 0.21954910<br />
22 0.9952 0.0000 0.6845 0.00000 0.21954921<br />
23 0.9952 0.0000 0.6845 0.00000 0.21954925<br />
24 0.9952 0.0000 0.6845 0.00000 0.21954927<br />
Tabelle C.2: Verlauf <strong>des</strong> Spannungsbetrags (in p.u.) am Knoten 274 eines 685-<br />
Knoten Netzes (r =2,s=1)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Anz. Minimale Blindleistung am Knoten 2<br />
Iter.<br />
Q2<br />
µQmin 2 zQmin 2 µ 2s<br />
Qmin 2<br />
z 2r<br />
Qmin 2<br />
0 0.0956 0.0000 0.0000 0.00000 0.00000000<br />
1 -3.1577 0.0000 0.0000 0.00000 0.00000000<br />
2 -3.2431 0.0000 0.0000 0.00000 0.00000000<br />
3 -2.9732 0.0000 0.0000 0.00000 0.00000000<br />
4 -2.8326 0.0000 0.0000 0.00000 0.00000000<br />
5 -3.2343 0.0000 0.0000 0.00000 0.00000000<br />
6 -6.2584 0.5000 0.8000 0.25000 0.40960000<br />
7 -4.1247 0.3005 0.7996 0.09027 0.40885377<br />
8 -3.6992 0.1808 0.7990 0.03268 0.40751013<br />
9 -3.6175 0.1093 0.7972 0.01194 0.40383479<br />
10 -3.6104 0.0669 0.7923 0.00448 0.39396728<br />
11 -3.6321 0.0423 0.7796 0.00179 0.36939469<br />
12 -3.6881 0.0286 0.7494 0.00082 0.31542103<br />
13 -3.7868 0.0218 0.6891 0.00048 0.22548869<br />
14 -3.8961 0.0188 0.5981 0.00035 0.12793218<br />
15 -3.9648 0.0178 0.4954 0.00032 0.06020936<br />
16 -3.9907 0.0174 0.4009 0.00030 0.02582365<br />
17 -3.9979 0.0173 0.3218 0.00030 0.01072211<br />
18 -3.9995 0.0173 0.2577 0.00030 0.00441252<br />
19 -3.9999 0.0173 0.2063 0.00030 0.00181068<br />
20 -4.0000 0.0173 0.1650 0.00030 0.00074204<br />
21 -4.0000 0.0173 0.1320 0.00030 0.00030393<br />
22 -4.0000 0.0173 0.1056 0.00030 0.00012447<br />
23 -4.0000 0.0173 0.0845 0.00030 0.00005098<br />
24 -4.0000 0.0173 0.0676 0.00030 0.00002088<br />
Tabelle C.3: Verlauf der Generatorblindleistung (in p.u.) am Knoten 2 eines 685-<br />
Knoten Netze (r =2,s=1)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E<br />
123
124 ANHANG C. VERHALTEN VON OPF-VARIABLEN<br />
Anz. Maximale Blindleistung am Knoten 205<br />
Iter.<br />
Q205<br />
µQmax 205 zQmax 205 µ 2s<br />
Qmax 205<br />
z 2r<br />
Qmax 205<br />
0 -0.3903 0.0000 0.0000 0.00000 0.00000000<br />
1 3.6443 0.5000 0.8000 0.25000 0.40960000<br />
2 3.0018 0.3004 0.7997 0.09022 0.40899080<br />
3 2.8745 0.1807 0.7991 0.03265 0.40767959<br />
4 2.8511 0.1089 0.7979 0.01187 0.40533657<br />
5 2.8401 0.0646 0.8008 0.00417 0.41125194<br />
6 2.7521 0.0319 0.8431 0.00102 0.50531146<br />
7 2.3616 0.0070 1.0035 0.00005 1.01425643<br />
8 -0.8612 -0.0066 1.7758 0.00004 9.94494543<br />
9 -1.3497 -0.0053 1.5893 0.00003 6.37991867<br />
10 -1.4271 -0.0038 1.5054 0.00001 5.13603381<br />
11 -1.3859 -0.0024 1.4755 0.00001 4.73968235<br />
12 -1.3609 -0.0015 1.4671 0.00000 4.63258035<br />
13 -1.3605 -0.0009 1.4657 0.00000 4.61489677<br />
14 -1.3937 -0.0005 1.4680 0.00000 4.64464413<br />
15 -1.4598 -0.0003 1.4732 0.00000 4.71031960<br />
16 -1.5170 -0.0002 1.4776 0.00000 4.76740307<br />
17 -1.5432 -0.0001 1.4797 0.00000 4.79335802<br />
18 -1.5494 -0.0001 1.4801 0.00000 4.79937874<br />
19 -1.5500 -0.0000 1.4802 0.00000 4.79998696<br />
20 -1.5501 -0.0000 1.4802 0.00000 4.80014814<br />
21 -1.5504 -0.0000 1.4802 0.00000 4.80044513<br />
22 -1.5507 -0.0000 1.4802 0.00000 4.80073433<br />
23 -1.5510 -0.0000 1.4802 0.00000 4.80095022<br />
24 -1.5511 -0.0000 1.4803 0.00000 4.80109679<br />
Tabelle C.4: Verlauf der Generatorblindleistung (in p.u.) am Knoten 205 eines<br />
685-Knoten Netze (r =2,s=1)<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Literaturverzeichnis<br />
[1] B. Stott, J.L. Marinho, and O. Alsac. Review of Linear programming<br />
applied to power system rescheduling. IEEE PICA Conf.<br />
Proc., pp. 142-154, Cleveland Ohio, May 1979.<br />
[2] B. Stott and E. Hobson. Power System Security Control using<br />
Linear Programming part I + II. IEEE Trans. PAS-97, No. 5, pp.<br />
1713-1731, September/October 1978.<br />
[3] M. Spoerry and H. Glavitsch. Quadratic Loss Formula for Reactive<br />
Dispach. IEEE PICA Proceedings, pp. 27-33, Houston USA,<br />
May 1983.<br />
[4] M. Spoerry. Quadratische Formen in der Lastflussrechnung. Diss.<br />
<strong>ETH</strong> Nr. 7372, <strong>Zürich</strong>, 1983.<br />
[5] W. Hollenstein. Begrenzungsbehandlung in der optimalen Lastflussrechnung.<br />
Diss. <strong>ETH</strong> Nr. 9429, <strong>Zürich</strong>, 1991.<br />
[6] W. Hollenstein and H. Glavitsch. Contraints in Quadratic Programming<br />
Treaded by Switching Concepts. 10th Power System<br />
Computation Conference PSCC, pp. 551-558, August 1990.<br />
[7] D.I. Sun, B. Ashley, B. Brewer, and A. Huges. Optimal Power<br />
Flow by Newton Method. IEEE Transactions on Power Apparatus<br />
and System PAS 103 Nr.10, pp. 2864-2880, October 1984.<br />
[8] J. Razanamampandry. Système expert pour l’optimisation <strong>des</strong><br />
tensions et <strong>des</strong> puissances réactives d’un réseau de transport<br />
d’énergie électrique. Thèse EPFL Nr. 1392, 1995.<br />
[9] Y. Tamura and H. Sasaki. Systèmex Experts Appliqués au Règlage<br />
de la Tension et de la Puissance réactive. Rapport CIGRE, TF<br />
38-06-01, Electra Nr. 139, pp. 108-131, 1991.<br />
125<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
126 LITERATURVERZEICHNIS<br />
[10] H. Glavitsch and R. Bacher. Optimal Power Flow Algorithms.<br />
volume 41 of Analysis and Control System Techniques for Electric<br />
Power Systems, Academic Press Inc., 1991.<br />
[11] K.Frauendorfer, H. Glavitsch, and R. Bacher. Optimization in<br />
Planning and Operation of Electric Power Systems. Physica<br />
Springer-Verlag, 1993.<br />
[12] J. Carpentier. Optimal Power Flows. Electrical Power & Energy<br />
Systems, Butterworths, Vol 1 No.1, pp. 22-31, April 1979.<br />
[13] R. Fletcher. Practical Methods of Optimization. Wiley-<br />
Interscience publication, 1987.<br />
[14] W. Karush. Minima of functions of several variables with inequalities<br />
as side conditions. Masters Thesis, Dept. of Mathematics,<br />
University of Chicago, 1939.<br />
[15] H.W.Kuhn and A.W.Tucker. Non-linear programming, Proc. 2nd<br />
Berkley Symposium on Mathematics, Statistics and Probability.<br />
University of California Press, Berkeley, California, 1951.<br />
[16] Künzi, Tschach, and Zehnder. Mathematische Optimierung.<br />
Teubner, Stuttgart, 1966.<br />
[17] Künzi and Krelle. Nichtlineare Programmierung. 2. Auflage.<br />
Springer Verlag, 1979.<br />
[18] D.I. Sun, B. Brewer, A. Hughes, and W.F. Tinney. Optimal power<br />
flow by Newton approach. IEEETransactiononPowerApparatus<br />
and System, pp. 2864-2880, October 1984.<br />
[19] F.F. Wu. Real-time network security monitoring, assessment and<br />
optimization. Electrical Power & Energy System, Butterworths,<br />
Vol. 10 No.2, pp. 83-100, April 1988.<br />
[20] N.K. Karmarkar. A New Polynomial Time Algorithm for Linear<br />
Programming. Combinatorica, 4, pp.373-395, 1984.<br />
[21] N.K. Karmarkar. Computational Results of an Interior Point Algorithm<br />
for Large Scale Linear Programming. Mathematical Programming,<br />
52, pp. 555-586, 1991.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
LITERATURVERZEICHNIS 127<br />
[22] H. Wei, H. Sasaki, and R. Yokoyama. An application of Interior<br />
Point Quadratic Programming Algorithm to Power System Optimization<br />
Problems. IEEE Transactions on Power Systems, Vol. 1<br />
No. 1, pp. 260-266, February 1996.<br />
[23] S. Granville. Optimal Reactive Dispatch through Interior Point<br />
Methods. IEEE Transactions on Power Systems, Vol. 9 No. 3, pp.<br />
136-146, February 1994.<br />
[24] J.A. Momoh, S.X. Guo, E.C. Ogbuobiri, and R. Adapa. The Quadratic<br />
Interior Point Method Solving Power System Optimization<br />
Problems. IEEE Transactions on Power Systems, Vol. 9 No. 3,<br />
pp.1327-1336, August 1994.<br />
[25] Y.C. Wu, A.S. Debs, and R.E. Marsten. A direct nonlinear<br />
predictor-corrector primal-dual interior point algorithm for optimal<br />
power flow. IEEE Transactions on Power Systems, Vol.9 No.<br />
2, pp. 876-883, May 1994.<br />
[26] G.D. Irisarri, X.Wang, J.Tong, and S.Mokhtari. Maximum Loadability<br />
of Power Systems using Interior Point Non-Linear Optimization<br />
Method. IEEE Winter Power Meeting, Baltimore, January<br />
1996. 96 WM 207-1 PWRS.<br />
[27] G.Blanchon, J.C.Dodu, A.Renaud, and M.Bouhtou. Implementation<br />
of a primal-dual interior-point method applied to the planning<br />
of reactive power compensation. 12th Power Systems Computation<br />
Conference PSCC, pp. 827-836, August 1996.<br />
[28] J.L. Martinez Ramos, A. Gomez Exposito, and V.H.Quintana.<br />
Reactive-Power Optimization by Interior-Point methods: Implementation<br />
Issues. 12th Power Systems Computation Conference<br />
PSCC, pp. 844-850, August 1996.<br />
[29] G. Tognola and R. Bacher. Unlimited point algorithm for OPF<br />
problems. IEEE PICA Conference, Columbus Ohio, pp. 149-155,<br />
May 1997.<br />
[30] Timothy A. Davis and Iain S. Duff. UMFPACK Version 2.0:<br />
Unsymmetric-pattern Multifrontal Package. September 1995. Program<br />
package at: http://www.cis.ufl.edu/˜davis.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
128 LITERATURVERZEICHNIS<br />
[31] B. Char, K. Ged<strong>des</strong>, G. Gonnet, B. L. Leong, M. Monagan, and<br />
S. Watt. Maple V: Library Reference Manual. Springer-Verlag,<br />
1991.<br />
[32] C. Gomez. MACROFORT: A FORTRAN Code Generator for<br />
MAPLE, volume 119. Institut National de Recherche en Informatique<br />
et en Automatique, Le Chesnay, France, 1990.<br />
[33] University of washington energy group power systems archive.<br />
ftp://wahoo.ee.washington.edu/.<br />
[34] B.A. Murtagh and M.A. Saunders. MINOS 5.4 User’s Guide.<br />
Report SOL 83-20R, Systems Optimization Laboratory, Stanford<br />
University, December 1983 (Revised February 1995).<br />
[35] A. Biran and M.M.G. Breiner. Matlab for Engineers. Addison-<br />
Wesley, 1995. ISBN 0-201-56524-2.<br />
[36] E. Kant. Synthesis of Mathematical-Modeling Software. IEEE<br />
Software, pp. 30-41, May, 1993.<br />
[37] M. Kojima, N. Megiddo, T. Noma, and A. Yoshise. Unified Approach<br />
to Interior Point Algorithms for Linear Complimentarity<br />
Problems. Springer-Verlag Berlin, 1991.<br />
[38] O. Alsac, J. Bright, M. Prais, and B. Stott. Further Developments<br />
in LP-based Optimal Power Flow. IEEE Transactions on Power<br />
Systems, Vol. 5 No. 3, pp. 697-711, August 1990.<br />
[39] R. Bacher. Computer aided power flow software engineering and<br />
code generation. IEEE Power Industry Computer Applications<br />
Conference, pp. 474-480, Salt Lake City, May 1995.<br />
[40] R. Bacher. Combining Symbolic and Numeric Tools for Power<br />
System Network Optimization. MapleTech, Vol. 4 No. 2, pp. 41-<br />
50, 1997.<br />
[41] R. W. Cottle, J-S. Pang, and R. Stone. The linear complementarity<br />
problem. Academic Press, Inc., San Diego, 1992.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
LITERATURVERZEICHNIS 129<br />
[42] W.F. Tinney, V.Brandwajn, and S.M. Chan. Sparse Vector Methods.<br />
IEEE Transactions on Power Apparatus and Systems PAS-<br />
104, No. 2, pp. 295-301, February 1985.<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Lebenslauf<br />
Giorgio Vito Rocco Tognola<br />
von Grono GR<br />
geboren am 13. Juli 1967<br />
1973 - 1978 Primarschule in Bodio TI<br />
1978 - 1983 Sekundarschule in Giornico TI<br />
1983 - 1987 Mittelschule in Bellinzona TI<br />
Matura Typus C<br />
1987 - 1992 Studium an der <strong>ETH</strong> <strong>Zürich</strong><br />
Abschluss als Dipl. El.-Ing. <strong>ETH</strong><br />
1992 - 1997 Wissenschaftlicher Assistent am Institut<br />
für Elektrische Energieübertragung und<br />
Hochspannungstechnik der <strong>ETH</strong> <strong>Zürich</strong><br />
Dissertation unter der Anleitung von<br />
Prof. Dr. R. Bacher<br />
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E
Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-<strong>ETH</strong> 12437 Diss.-E