Departamento de Engenharia Elétrica
As técnicas mais comumente utilizadas para solução de equações agébricas não-lineares são os métodos Gaus-Seidel, Newton-Raphson e Quase-Newton.
Inicialmente, será apresentando o método Gaus-Seidel unidimensional e, seguidamente, será extendido a equações $\small n$-dimensionais.
O método Gauss-Seidel também é conhecido como "Método de deslocamentos sucessivos".
Para ilustrar a técnica, considere a solução da equação não-linear dada por:
$\small f(x) = 0$
A anterior função é rearanjada e escrita como:
$\small x = g(x)$
Se $\small x^{(k)}$ é uma aproximação inicial da variável $\small x$, então é formada a seguinte sequência iterativa:
$\small x^{(k+1)} = g \left({ x^{(k)} }\right) $
A solução é obtida quando a diferença entre o valor absoluto de uma iteração sucessiva é menor que uma tolerância especificada $\small \epsilon$, isto é:
$\small | x^{(k+1)} - x^{(k)} | \leq \epsilon$
Usar o Método Gauss-Seidel, considerando como solução inicial $\small x^{(0)} = 2$ (no intervalo 1 a 4), para determinar a raiz da seguinte equação:
$\small f(x) = x^3 - 6x^2 + 9x -4 = 0$
$\small f(x) = x^3 - 6x^2 + 9x -4 = 0$
$\small f(x) = x^3 - 6x^2 + 9x -4 = 0$
Resolvendo para $\small x$, a expressão anterior é escrita como:
$\small x = -\frac{1}{9}x^3 + \frac{6}{9}x^2 + \frac{4}{9} $
$\small f(x) = x^3 - 6x^2 + 9x -4 = 0$
Resolvendo para $\small x$, a expressão anterior é escrita como:
$\small x = -\frac{1}{9}x^3 + \frac{6}{9}x^2 + \frac{4}{9} $
A primeira iteração é:
$\small x^{(1)} = g(x^{(0)}) = g(2) = -\frac{1}{9}2^3 + \frac{6}{9}2^2 + \frac{4}{9} = 2,2222$
A segunda iteração é:
$\small x^{(2)} = g(x^{(1)}) = g(2.2222) = -\frac{1}{9}2.2222^3 + \frac{6}{9}2.2222^2 + \frac{4}{9} = 2,5173$
As subsequentes iterações resultam em 2.8966, 3.3376, 3.7398, 3.9568, 3.9988 e 4.0000 . O processo é repetido até que a mudança na variável esteja dentro da tolerância desejada.
Pode ser observado que o Método Gauss-Seidel precisa de muitas iterações para alcançar a precisão desejada. Além disso, não há garantia de convergência.
Neste exemplo, dado que a solução inicial ($\small x^{(0)} = 2$) está em uma região "fechada", a solução converge em forma de "zigzag" a uma das raízes.
De fato, se a estimativa inicial estivesse fora do intervalo definido 1 a 4, $\small x^{(0)} = 6$, por exemplo, o processo divergiria.
Considerando agora um sistema de $\small n$ equações não-lineares com $\small n$ incógnitas:
$\small \begin{array}{*{20}{c}} {{f_1}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_1}}\\ {{f_2}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_2}}\\ \vdots \\ {{f_n}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_n}} \end{array} $
$\small \begin{array}{*{20}{c}} {{f_1}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_1}}\\ {{f_2}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_2}}\\ \vdots \\ {{f_n}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_n}} \end{array} $
Resolvendo para cada equação, as funções acima são rearranjadas e escritas como:
$\small \begin{array}{*{20}{c}} {{x_1} = c_1 + g_1\left( {{x_1},{x_2}, \ldots ,{x_n}} \right)}\\ {{x_2} = c_2 + g_2\left( {{x_1},{x_2}, \ldots ,{x_n}} \right)}\\ \vdots \\ {{x_n} = c_n + g_n\left( {{x_1},{x_2}, \ldots ,{x_n}} \right)} \end{array} $
$\small \begin{array}{*{20}{c}} {{x_1} = c_1 + g_1\left( {{x_1},{x_2}, \ldots ,{x_n}} \right)}\\ {{x_2} = c_2 + g_2\left( {{x_1},{x_2}, \ldots ,{x_n}} \right)}\\ \vdots \\ {{x_n} = c_n + g_n\left( {{x_1},{x_2}, \ldots ,{x_n}} \right)} \end{array} $
O processo iterativo é iniciado assumindo uma solução aproximada para cada variável independentemente ($\small x_1^{(0)}$, $\small x_2^{(0)}$, $\small \cdots$, $\small x_n^{(0)}$).
A solução do sistema de equações anterior resulta em uma nova aproximação ($\small x_1^{(1)}$, $\small x_2^{(1)}$, $\small \cdots$, $\small x_n^{(1)}$).
No método Gauss-Seidel, os valores atualizados das variáveis calculadas nas anteriores equações são imediatamente usados na solução das equações subsequentes.
No final de cada iteração, os valores calculados de todas as variáveis são comparados com seus correspondentes valores prévios. Se todas as mudanças nas variáveis estão dentro da tolerância especificada, a solução tem convergido.
A velocidade de convergência pode ser incrementada usando um fator de aceleração $\small \alpha$, e a iteração subsequente fica:
$\small x_i^{(k + 1)} = x_i^{(k)} + \alpha ( x_{i,calc}^{(k + 1)} - x_i^{(k)})$
Retomando o sistema de $\small n$ equações não-lineares com $\small n$ incógnitas:
$\small \begin{array}{*{20}{c}} {{f_1}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_1}}\\ {{f_2}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_2}}\\ \vdots \\ {{f_n}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_n}} \end{array} $
ou
$\small \begin{array}{*{20}{c}} {a_{11} x_1 + a_{12} x_2 + a_{13} x_3 + \cdots a_{1n} x_n = {c_1}}\\ {a_{21} x_1 + a_{22} x_2 + a_{23} x_3 + \cdots a_{2n} x_n = {c_2}}\\ \vdots \\ {a_{n1} x_1 + a_{n2} x_2 + a_{n3} x_3 + \cdots a_{nn} x_n = {c_n}} \end{array} $
$\small \begin{array}{*{20}{c}} {a_{11} x_1 + a_{12} x_2 + a_{13} x_3 + \cdots a_{1n} x_n = {c_1}}\\ {a_{21} x_1 + a_{22} x_2 + a_{23} x_3 + \cdots a_{2n} x_n = {c_2}}\\ \vdots \\ {a_{n1} x_1 + a_{n2} x_2 + a_{n3} x_3 + \cdots a_{nn} x_n = {c_n}} \end{array} $
Resolvendo para $\small x_1$, $\small x_2$, $\small \cdots$, $\small x_n$, tem-se que:
$\small \begin{array}{*{20}{c}} {x_1 = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2 - \frac{a_{13}}{a_{11}} x_3 - \cdots - \frac{a_{1n}}{a_{11}} x_n }\right)}\\ {x_2 = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1 - \frac{a_{23}}{a_{22}} x_3 - \cdots - \frac{a_{2n}}{a_{22}} x_n }\right)}\\ \vdots \\ {x_n = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1 - \frac{a_{n2}}{a_{nn}} x_2 - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1} }\right)} \end{array} $
$\small \begin{array}{*{20}{c}} {x_1 = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2 - \frac{a_{13}}{a_{11}} x_3 - \cdots - \frac{a_{1n}}{a_{11}} x_n }\right)}\\ {x_2 = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1 - \frac{a_{23}}{a_{22}} x_3 - \cdots - \frac{a_{2n}}{a_{22}} x_n }\right)}\\ \vdots \\ {x_n = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1 - \frac{a_{n2}}{a_{nn}} x_2 - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1} }\right)} \end{array} $
Na primeira iteração, $\small k = 1$, tem-se que:
$\small \begin{array}{*{20}{c}} {x_1^{(1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(0)} - \frac{a_{13}}{a_{11}} x_3^{(0)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(0)} }\right)}\\ {x_2^{(1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(1)} - \frac{a_{23}}{a_{22}} x_3^{(0)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(0)} }\right)}\\ \vdots \\ {x_n^{(1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(1)} - \frac{a_{n2}}{a_{nn}} x_2^{(1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(1)} }\right)} \end{array} $
$\small \begin{array}{*{20}{c}} {x_1^{(1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(0)} - \frac{a_{13}}{a_{11}} x_3^{(0)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(0)} }\right)}\\ {x_2^{(1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(1)} - \frac{a_{23}}{a_{22}} x_3^{(0)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(0)} }\right)}\\ \vdots \\ {x_n^{(1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(1)} - \frac{a_{n2}}{a_{nn}} x_2^{(1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(1)} }\right)} \end{array} $
Na iteração $\small k + 1$, tem-se que:
$\small \begin{array}{*{20}{c}} {x_1^{(k + 1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(k)} - \frac{a_{13}}{a_{11}} x_3^{(k)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(k)} }\right)}\\ {x_2^{(k + 1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(k + 1)} - \frac{a_{23}}{a_{22}} x_3^{(k)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(k)} }\right)}\\ \vdots \\ {x_n^{(k + 1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(k + 1)} - \frac{a_{n2}}{a_{nn}} x_2^{(k + 1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(k + 1)} }\right)} \end{array} $
$\small \begin{array}{*{20}{c}} {x_1^{(k + 1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(k)} - \frac{a_{13}}{a_{11}} x_3^{(k)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(k)} }\right)}\\ {x_2^{(k + 1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(k + 1)} - \frac{a_{23}}{a_{22}} x_3^{(k)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(k)} }\right)}\\ \vdots \\ {x_n^{(k + 1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(k + 1)} - \frac{a_{n2}}{a_{nn}} x_2^{(k + 1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(k + 1)} }\right)} \end{array} $
Assim, para $\small i = 1, 2, 3, \cdots, n$, na iteração $\small k + 1$, tem-se a seguinte expressão geral para o cálculo de $\small x_i^{(k + 1)}$:
$\small x_i^{(k + 1)} = \frac{c_i}{a_{ii}} - \sum\limits_{j = 1}^{i - 1} { \frac{a_{ij}}{a_{ii}} x_j^{(k + 1)} } - \sum\limits_{j = i + 1}^{n} { \frac{a_{ij}}{a_{ii}} x_j^{(k)} } $
Considerando um sistema de $\small n$ equações não-lineares com $\small n$ incógnitas:
$\small \begin{array}{*{20}{c}} {{f_1}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_1}}\\ {{f_2}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_2}}\\ \vdots \\ {{f_n}\left( {{x_1},{x_2}, \ldots ,{x_n}} \right) = {c_n}} \end{array} $
ou
$\small \begin{array}{*{20}{c}} {a_{11} x_1 + a_{12} x_2 + a_{13} x_3 + \cdots a_{1n} x_n = {c_1}}\\ {a_{21} x_1 + a_{22} x_2 + a_{23} x_3 + \cdots a_{2n} x_n = {c_2}}\\ \vdots \\ {a_{n1} x_1 + a_{n2} x_2 + a_{n3} x_3 + \cdots a_{nn} x_n = {c_n}} \end{array} $
$\small \begin{array}{*{20}{c}} {a_{11} x_1 + a_{12} x_2 + a_{13} x_3 + \cdots a_{1n} x_n = {c_1}}\\ {a_{21} x_1 + a_{22} x_2 + a_{23} x_3 + \cdots a_{2n} x_n = {c_2}}\\ \vdots \\ {a_{n1} x_1 + a_{n2} x_2 + a_{n3} x_3 + \cdots a_{nn} x_n = {c_n}} \end{array} $
Resolvendo para $\small x_1$, $\small x_2$, $\small \cdots$, $\small x_n$, tem-se que:
$\small \begin{array}{*{20}{c}} {x_1 = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2 - \frac{a_{13}}{a_{11}} x_3 - \cdots - \frac{a_{1n}}{a_{11}} x_n }\right)}\\ {x_2 = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1 - \frac{a_{23}}{a_{22}} x_3 - \cdots - \frac{a_{2n}}{a_{22}} x_n }\right)}\\ \vdots \\ {x_n = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1 - \frac{a_{n2}}{a_{nn}} x_2 - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1} }\right)} \end{array} $
$\small \begin{array}{*{20}{c}} {x_1 = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2 - \frac{a_{13}}{a_{11}} x_3 - \cdots - \frac{a_{1n}}{a_{11}} x_n }\right)}\\ {x_2 = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1 - \frac{a_{23}}{a_{22}} x_3 - \cdots - \frac{a_{2n}}{a_{22}} x_n }\right)}\\ \vdots \\ {x_n = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1 - \frac{a_{n2}}{a_{nn}} x_2 - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1} }\right)} \end{array} $
Na primeira iteração, $\small k = 1$, tem-se que:
$\small \begin{array}{*{20}{c}} {x_1^{(1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(0)} - \frac{a_{13}}{a_{11}} x_3^{(0)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(0)} }\right)}\\ {x_2^{(1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(1)} - \frac{a_{23}}{a_{22}} x_3^{(0)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(0)} }\right)}\\ \vdots \\ {x_n^{(1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(1)} - \frac{a_{n2}}{a_{nn}} x_2^{(1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(1)} }\right)} \end{array} $
$\small \begin{array}{*{20}{c}} {x_1^{(1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(0)} - \frac{a_{13}}{a_{11}} x_3^{(0)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(0)} }\right)}\\ {x_2^{(1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(1)} - \frac{a_{23}}{a_{22}} x_3^{(0)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(0)} }\right)}\\ \vdots \\ {x_n^{(1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(1)} - \frac{a_{n2}}{a_{nn}} x_2^{(1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(1)} }\right)} \end{array} $
Na iteração $\small k + 1$, tem-se que:
$\small \begin{array}{*{20}{c}} {x_1^{(k + 1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(k)} - \frac{a_{13}}{a_{11}} x_3^{(k)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(k)} }\right)}\\ {x_2^{(k + 1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(k + 1)} - \frac{a_{23}}{a_{22}} x_3^{(k)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(k)} }\right)}\\ \vdots \\ {x_n^{(k + 1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(k + 1)} - \frac{a_{n2}}{a_{nn}} x_2^{(k + 1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(k + 1)} }\right)} \end{array} $
$\small \begin{array}{*{20}{c}} {x_1^{(k + 1)} = \frac{c_1}{a_{11}} + \left({ - \frac{a_{12}}{a_{11}} x_2^{(k)} - \frac{a_{13}}{a_{11}} x_3^{(k)} - \cdots - \frac{a_{1n}}{a_{11}} x_n^{(k)} }\right)}\\ {x_2^{(k + 1)} = \frac{c_2}{a_{22}} + \left({ - \frac{a_{21}}{a_{22}} x_1^{(k + 1)} - \frac{a_{23}}{a_{22}} x_3^{(k)} - \cdots - \frac{a_{2n}}{a_{22}} x_n^{(k)} }\right)}\\ \vdots \\ {x_n^{(k + 1)} = \frac{c_n}{a_{nn}} + \left({ - \frac{a_{n1}}{a_{nn}} x_1^{(k + 1)} - \frac{a_{n2}}{a_{nn}} x_2^{(k + 1)} - \cdots - \frac{a_{nn-1}}{a_{nn}} x_{n-1}^{(k + 1)} }\right)} \end{array} $
Para $\small i = 1, 2, 3, \cdots, n$, na iteração $\small k + 1$, tem-se que:
$\small x_i^{(k + 1)} = \frac{c_i}{a_{ii}} - \sum\limits_{j = 1}^{i - 1} { \frac{a_{ij}}{a_{ii}} x_j^{(k + 1)} } - \sum\limits_{j = i + 1}^{n} { \frac{a_{ij}}{a_{ii}} x_j^{(k)} } $
Considere o barramento típico de uma rede de um sistema de potência apresentado na figura a seguir.
As linhas de transmissão estão representadas pelo seu modelo equivalente $\small \pi$ com as impedâncias convertidas a admitâncias em pu, usando uma mesma potência base.
Aplicando a lei de correntes de Kirchhoff.
$\small {I_i} = {y_{i0}}{V_i} + {y_{i1}}\left( {{V_i} - {V_1}} \right) + {y_{i2}}\left( {{V_i} - {V_2}} \right) + \cdots + {y_{in}}\left( {{V_i} - {V_n}} \right)$
$\small {I_i} = \left( {{y_{i0}} + {y_{i1}} + {y_{i2}} + \cdots + {y_{in}}} \right){V_i} - {y_{i1}}{V_1} - {y_{i2}}{V_2} - \cdots - {y_{in}}{V_n}$
ou
$\small \begin{array}{*{20}{c}} {{I_i} = {V_i}\sum\limits_{j = 0}^n {{y_{ij}}} - \sum\limits_{j = 1}^n {{y_{ij}}{V_j}} ;}&{j \ne i} \end{array}{\rm{ }}$
$\small \begin{array}{*{20}{c}} {{I_i} = {V_i}\sum\limits_{j = 0}^n {{y_{ij}}} - \sum\limits_{j = 1}^n {{y_{ij}}{V_j}} ;}&{j \ne i} \end{array}{\rm{ }}$
A expressão de potência ativa e reativa na barra $\small i$ é:
$\small P_i + jQ_i = V_i I_i^*$
ou
$\small I_i = \frac{P_i - jQ_i}{V_i^*}$
Assim, temos que:
$\small \begin{array}{*{20}{c}} {\begin{array}{*{20}{c}} {\frac{{{P_i} - j{Q_i}}}{{V_i^*}} = }&{{V_i}} \end{array}\sum\limits_{j = 0}^n {{y_{ij}}} - \sum\limits_{j = 1}^n {{y_{ij}}{V_j}} ;}&{j \ne i} \end{array}$
$\small \begin{array}{*{20}{c}} {\begin{array}{*{20}{c}} {\frac{{{P_i} - j{Q_i}}}{{V_i^*}} = }&{{V_i}} \end{array}\sum\limits_{j = 0}^n {{y_{ij}}} - \sum\limits_{j = 1}^n {{y_{ij}}{V_j}} ;}&{j \ne i} \end{array}$
Em estudos de fluxo de potência, é necessário resolver um conjunto de equações não-lineares representadas pela equação anterior para dois variáveis desconhecidas em cada barra. No Método de Gauss-Seidel, a equação anterior é resolvida para $\small V_i$ e a sequência iterativa fica da seguinte forma:
$\small \begin{array}{*{20}{c}} {V_i^{\left( {k + 1} \right)} = \frac{{\frac{{P_i - jQ_i}}{{V{{_i^*}^{(k)}}}} + \sum\limits_{j = 1}^n {{y_{ij}}{V_j^{\left( {k} \right)}}} }}{{{\sum\limits_{j = 0}^n {{y_{ij}}}}}};}&{j \ne i} \end{array}$
Utilizando-se o modelo de cada elemento, o sistema fica como mostrado:
Transformando cada fonte de tensão em série com impedância em fonte de corrente em paralelo com admitância e as impedâncias das linhas em admitâncias, obtem-se o seguinte sistema:
Transformação das fontes:
$\small {I}_1 = \frac{{V}_1}{z_{11}} = \frac{{V}_1}{z_{g1} + z_{t1}}; \ \ \ \ y_1 = \frac{1}{z_{11}} = \frac{1}{z_{g1} + z_{t1}}; \ \ \ \ y_4 = \frac{1}{z_{12}};$
$\small {I}_2 = \frac{{V}_2}{z_{22}} = \frac{{V}_2}{z_{g2} + z_{t2}}; \ \ \ \ y_2 = \frac{1}{z_{22}} = \frac{1}{z_{g2} + z_{t2}}; \ \ \ \ y_5 = \frac{1}{z_{23}};$
$\small {I}_3 = \frac{{V}_3}{z_{33}} = \frac{{V}_3}{z_{g3} + z_{t3}}; \ \ \ \ y_3 = \frac{1}{z_{33}} = \frac{1}{z_{g3} + z_{t3}}; \ \ \ \ y_6 = \frac{1}{z_{13}}$
Equações nodais:
$\small {\rm{Barra \ 1:}} \ \ {I}_1 = y_4 \left( { {V}_1 - {V}_2 } \right) + y_6 \left( { {V}_1 - {V}_3 } \right) + y_1 \left( { {V}_1 - {V}_0 } \right)$
$\small {\rm{Barra \ 2:}} \ \ {I}_2 = y_5 \left( { {V}_2 - {V}_3 } \right) + y_4 \left( { {V}_2 - {V}_1 } \right) + y_2 \left( { {V}_2 - {V}_0 } \right)$
$\small {\rm{Barra \ 3:}} \ \ {I}_3 = y_5 \left( { {V}_3 - {V}_2 } \right) + y_6 \left( { {V}_3 - {V}_1 } \right) + y_3 \left( { {V}_3 - {V}_0 } \right)$
$\small {\rm{Barra \ 0:}} \ \ - {I}_1 - {I}_2 - {I}_3 = y_1 \left( { {V}_0 - {V}_1 } \right) + y_2 \left( { {V}_0 - {V}_2 } \right) + y_3 \left( { {V}_0 - {V}_3 } \right)$
$\small {\rm{Barra \ 1:}} \ \ {I}_1 = y_4 \left( { {V}_1 - {V}_2 } \right) + y_6 \left( { {V}_1 - {V}_3 } \right) + y_1 \left( { {V}_1 - {V}_0 } \right)$
$\small {\rm{Barra \ 2:}} \ \ {I}_2 = y_5 \left( { {V}_2 - {V}_3 } \right) + y_4 \left( { {V}_2 - {V}_1 } \right) + y_2 \left( { {V}_2 - {V}_0 } \right)$
$\small {\rm{Barra \ 3:}} \ \ {I}_3 = y_5 \left( { {V}_3 - {V}_2 } \right) + y_6 \left( { {V}_3 - {V}_1 } \right) + y_3 \left( { {V}_3 - {V}_0 } \right)$
A equação da barra 0 é linearmente dependente das outras três equações. Agrupando os termos das equações das barras 1, 2, 3, tem-se:
$\small {I}_1 = \left( { y_1 + y_4 + y_6 } \right) {V}_1 - y_4 {V}_2 - y_6 {V}_3$
$\small {I}_2 = - y_4 {V}_1 + \left( { y_2 + y_4 + y_5 } \right) {V}_2 - y_5 {V}_3$
$\small {I}_3 = - y_6 {V}_1 - y_5 {V}_2 + \left( { y_3 + y_5 + y_6 } \right) {V}_3$
$\small {I}_1 = \left( { y_1 + y_4 + y_6 } \right) {V}_1 - y_4 {V}_2 - y_6 {V}_3$
$\small {I}_2 = - y_4 {V}_1 + \left( { y_2 + y_4 + y_5 } \right) {V}_2 - y_5 {V}_3$
$\small {I}_3 = - y_6 {V}_1 - y_5 {V}_2 + \left( { y_3 + y_5 + y_6 } \right) {V}_3$
Na forma matricial:
$\small {Y_{\rm{Barra}}} = \left[ {\begin{array}{*{20}{c}} y_1 + y_4 + y_6 & - y_4 & - y_6 \\ - y_4 & y_2 + y_4 + y_5 & - y_5 \\ - y_6 & - y_5 & y_3 + y_5 + y_6 \end{array}} \right]$
Na forma matricial:
$\small {Y_{\rm{Barra}}} = \left[ {\begin{array}{*{20}{c}} y_1 + y_4 + y_6 & - y_4 & - y_6 \\ - y_4 & y_2 + y_4 + y_5 & - y_5 \\ - y_6 & - y_5 & y_3 + y_5 + y_6 \end{array}} \right]$
$\small {I} = \left[ { {I}_1 \ \ {I}_2 \ \ {I}_3 } \right]^T $ é o vetor de injeção de corrente na rede por fontes independentes.
$\small {V} = \left[ { {V}_1 \ \ {V}_2 \ \ {V}_3 } \right]^T $ é o vetor de tensão nas barras em relação à referência.
$\small {Y_{\rm{Barra}}}$ é a matriz de admitância de barra ou matriz de admitância nodal.
Retomando a expressão de tensão deduzida anteriormente:
$\small \begin{array}{*{20}{c}} {V_i^{\left( {k + 1} \right)} = \frac{{\frac{{P_i - jQ_i}}{{V{{_i^*}^{(k)}}}} + \sum\limits_{j = 1}^n {{y_{ij}}{V_j^{\left( {k} \right)}}} }}{{{\sum\limits_{j = 0}^n {{y_{ij}}}}}};}&{j \ne i} \end{array}$
Lembrando que:
$\small \begin{array}{*{20}{c}} {\begin{array}{*{20}{c}} \end{array}\sum\limits_{j = 0, j \ne i}^n {{y_{ij}}} = Y_{ii} ;}&{\sum\limits_{j = 1}^n {{y_{ij}}} = - \sum\limits_{j = 1}^n {{Y_{ij}}}} \end{array}$
Temos a seguinte expressão:
$\small \begin{array}{*{20}{c}} {V_i^{\left( {k + 1} \right)} = \frac{{\frac{{P_i - jQ_i}}{{V{{_i^*}^{(k)}}}} - \sum\limits_{j = 1, j \ne i}^n {{Y_{ij}}V_j^{(k)}} }}{{{Y_{ii}}}}} \end{array}$
$\small \begin{array}{*{20}{c}} {V_i^{\left( {k + 1} \right)} = \frac{{\frac{{P_i - jQ_i}}{{V{{_i^*}^{(k)}}}} - \sum\limits_{j = 1, j \ne i}^n {{Y_{ij}}V_j^{(k)}} }}{{{Y_{ii}}}}} \end{array}$
Assim, para a aplicação do Método de Gauss-Seidel, pode ser usada a seguinte expressão:
$\small V_i^{(k + 1)} = \frac{{{P_i} - j{Q_i}}}{{V_i^*}^{(k)} Y_{ii} } - \sum\limits_{j = 1}^{i - 1} {{\frac{Y_{ij}}{Y_{ii}}}{V_j^{(k + 1)}}} - \sum\limits_{j = i + 1}^n {{\frac{Y_{ij}}{Y_{ii}}}{V_j^{(k)}}}$
Comparando com a formulação genérica do método, tem-se que:
$\small \begin{array}{*{20}{c}} {{V_i} = {x_i};}&{{V_j} = {x_j};}&{{Y_{ii}} = {a_{ii}};}&{{Y_{ij}} = {a_{ij}};}&{\frac{{{P_i} - j{Q_i}}}{{V_i^*}} = {c_i}} \end{array}$
$\small x_i^{(k + 1)} = \frac{c_i}{a_{ii}} - \sum\limits_{j = 1}^{i - 1} { \frac{a_{ij}}{a_{ii}} x_j^{(k + 1)} } - \sum\limits_{j = i + 1}^{n} { \frac{a_{ij}}{a_{ii}} x_j^{(k)} } $
$\small V_i^{(k + 1)} = \frac{{{P_i} - j{Q_i}}}{{V_i^*} Y_{ii} } - \sum\limits_{j = 1}^{i - 1} {{\frac{Y_{ij}}{Y_{ii}}}{V_j^{(k + 1)}}} - \sum\limits_{j = i + 1}^n {{\frac{Y_{ij}}{Y_{ii}}}{V_j^{(k)}}}$
A anterior expressão também pode ser rearranjada como:
$\small \begin{array}{*{20}{c}} {V_i^{\left( {k + 1} \right)} = \frac{{\frac{{P_i - jQ_i}}{{V{{_i^*}^{(k)}}}} - \sum\limits_{j = 1}^{i - 1} {{\frac{Y_{ij}}{Y_{ii}}}{V_j^{(k + 1)}}} - \sum\limits_{j = i + 1}^n {{\frac{Y_{ij}}{Y_{ii}}}{V_j^{(k)}}} }}{{{Y_{ii}}}}} \end{array}$
De forma similar, seguindo uma sequência iterativa e usando a expressão já demonstrada para o cálculo de $\small V_i^{\left( {k + 1} \right)}$, para calcular $\small P_i^{\left( {k + 1} \right)}$ e $\small Q_i^{\left( {k + 1} \right)}$ podem se usar as expressões:
$\small \begin{array}{*{20}{c}} {P_i^{\left( {k + 1} \right)} = {\mathop{\rm Re}\nolimits} \left\{ {V{{_i^*}^{(k)}}\left[ {V_i^{(k)}{Y_{ii}} + \sum\limits_{j = 1, j \ne i}^n {{Y_{ij}}V_j^{(k)}} } \right]} \right\}} \end{array}$
$\small \begin{array}{*{20}{c}} {Q_i^{\left( {k + 1} \right)} = - {\mathop{\rm Im}\nolimits} \left\{ {V{{_i^*}^{(k)}}\left[ {V_i^{(k)}{Y_{ii}} + \sum\limits_{j = 1, j \ne i}^n {{Y_{ij}}V_j^{(k)}} } \right]} \right\}} \end{array}$
O que determina quais são as variáveis desconhecidas em cada barra é o tipo de barra, definidos a seguir:
Barra slack ou de folga (barra tipo $\small V \theta$): Esta barra existe para suprir as perdas do sistema, desconhecidas até a solução da rede. Só existe uma barra flutuante em todo o sistema. Variáveis desconhecidas: $\small P$ e $\small Q.$
Barra de carga (barra tipo $\small PQ$): Não existe qualquer controle de tensão nesta barra. A maioria das barras é deste tipo, aproximadamente 95% do total das barras Variáveis desconhecidas: $\small V$ e $\small \theta$.
Barra de tensão controlada (barra tipo $\small PV$): Existem dispositivos de controle que permitem manter $\small P$ e $\small | V |$ em valores especificados, tais como geradores e compensadores síncronos. Algumas das barras do sistema são deste tipo, representando aproximadamente 5% do total de barras. Variáveis desconhecidas: $\small Q$ e $\small \theta$.
O processo de solução, usando o Método Gauss-Seidel, depende do tipo de barra, como especificado a seguir:
Barra tipo $\small V \theta$. Nesta barra, a tensão (em módulo e ângulo) são conhecidas. Assim, após calcular a tensão nas outras barras do sistema, utiliza-se este resultado para calcular os valores das variáveis desconhecidas para esta barra ($\small P$ e $\small Q$).
Barra tipo $\small PQ$. Nestas barras, os valores de potência ativa e reativa, correspondentes às cargas, são conhecidos ($\small P^{esp}$ e $\small Q^{esp}$). Assim, utiliza-se a expressão de tensão para calcular os valores das variáveis desconhecidas neste tipo de barra ($\small V$ e $\small \theta$).
Barra tipo $\small PV$. Neste tipo de barra, a potência ativa, $\small P^{esp}$ (geração de potẽncia ativa), e o módulo da tensão, $\small | V |$, são conhecidos. Assim, calculam-se primeiro os valores de potência reativa, utilizando a expressão correspondente, e, com este resultado, calculam-se os valores dos ângulos das tensões, $\small \theta$, nas barras deste tipo.
Usar o Método Gauss-Seidel, considerando como potência base 100 MVA, determinar o ângulo da tensão nas barras de carga (tipo $\small PQ$), barras 2 e 3, e a potência ativa e reativa na barra de folga (tipo $\small V \theta$), barra 1.
Impedâncias de linha convertidas em admitâncias:
$\small y_{12} = \frac{1}{0,02 + j0,04} = 10 - j20$
$\small y_{13} = \frac{1}{0,01 + j0,03} = 10 - j30$
$\small y_{23} = \frac{1}{0,0125 + j0,025} = 16 - j32$
Nas barras tipo $\small PQ$, as cargas, expressas em pu, são:
$\small S_2^{esp} = -\frac{256,6 + j110,2}{100} = -2,566 - j1.102$
$\small S_3^{esp} = -\frac{138,6 + j45,2}{100} = -1,386 - j0,452$
Começando com uma estimativa inicial de tensão nas barras 2 e 3 de $\small V_2^{(0)} = 1,0 + j0,0$ e $\small V_3^{(0)} = 1,0 + j0,0$, respectivamente, os novos valores destas tensões são calculados como:
$\small \begin{array}{*{20}{c}} {V_2^{\left( {1} \right)} = \frac{{\frac{{P_2^{esp} - jQ_2^{esp}}}{{V{{_2^*}^{(0)}}}} - {{Y_{12}}V_1} - {{Y_{23}}V_3^{(0)}} }}{{{Y_{22}}}}} \end{array}$
$\small \begin{array}{*{20}{c}} {V_2^{\left( {1} \right)} = \frac{{\frac{{-2,566 - j1,102}}{1} - \left( {-10 + j20} \right)\left( {1,05} \right) - \left( {-16 + j32} \right)\left( {1} \right) }}{{26 - j52}}} \end{array}$
$\small V_2^{\left( {1} \right)} = 0,9825 - j0,0310$
$\small \begin{array}{*{20}{c}} {V_3^{\left( {1} \right)} = \frac{{\frac{{P_3^{esp} - jQ_3^{esp}}}{{V{{_3^*}^{(0)}}}} - {{Y_{13}}V_1} - {{Y_{23}}V_2^{(1)}} }}{{{Y_{33}}}}} \end{array}$
$\small \begin{array}{*{20}{c}} {V_3^{\left( {1} \right)} = \frac{{\frac{{-1,386 - j0,452}}{1} - \left( {-10 + j30} \right)\left( {1,05} \right) - \left( {-16 + j32} \right)\left( {0,9825 - j0,0310} \right) }}{{26 - j62}}} \end{array}$
$\small V_3^{\left( {1} \right)} = 1,0011 - j0,0353$
As subsequentes iterações, com tolerância de $\small 5 \times 10^{-5}$, resultam nos seguintes valores:
$\small \begin{array}{*{20}{c}} {V_2^{\left( {2} \right)} = 0,9816 - j0,0520; }&{ V_3^{\left( {2} \right)} = 1,0008 - j0,0459 } \end{array}$
$\small \begin{array}{*{20}{c}} {V_2^{\left( {3} \right)} = 0,9808 - j0,0578; }&{ V_3^{\left( {3} \right)} = 1,0004 - j0,0488 } \end{array}$
$\small \begin{array}{*{20}{c}} {V_2^{\left( {4} \right)} = 0,9803 - j0,0594; }&{ V_3^{\left( {4} \right)} = 1,0002 - j0,0497 } \end{array}$
$\small \begin{array}{*{20}{c}} {V_2^{\left( {5} \right)} = 0,9801 - j0,0598; }&{ V_3^{\left( {5} \right)} = 1,0001 - j0,0499 } \end{array}$
$\small \begin{array}{*{20}{c}} {V_2^{\left( {6} \right)} = 0,9801 - j0,0599; }&{ V_3^{\left( {6} \right)} = 1,0000 - j0,0500 } \end{array}$
$\small \begin{array}{*{20}{c}} {V_2^{\left( {7} \right)} = 0,9800 - j0,0600; }&{ V_3^{\left( {7} \right)} = 1,0000 - j0,0500 } \end{array}$
Assim, os valores de tensão resultante são:
$\small V_2 = 0,9800 - j0,0600 = 0,98183 \angle -3,5035^{\circ}$ pu
$\small V_3 = 1,0000 - j0,0500 = 1,00125 \angle -2,8624^{\circ}$ pu
Conhecendo os valores de todas as tensões, é possível então calcular a potência ativa e reativa na barra de referência:
$\small P_1 + jQ_1 = V_1^{*} [ Y_{11} V_1 + Y_{12} V_1 + Y_{13} V_1 ] = 4,095 + j1,890$ pu
Departamento de Engenharia Elétrica