Descomposición Balanceada para Análisis de Sistemas de
Transcripción
Descomposición Balanceada para Análisis de Sistemas de
DESCOMPOSICION ε BALANCEADA PARA ANALISIS DE SISTEMAS DE POTENCIA MEDIANTE PROCESAMIENTO PARALELO Felipe Morales S. Hugh Rudnick V. D. W. Aldo Cipriano Z. Facultad de Ingeniería, Pontificia Universidad Católica de Chile Casilla 306, Correo 22, Santiago, Chile e-mail: [email protected] RESUMEN La eficiencia en el procesamiento paralelo de algunos de los análisis de sistemas de potencia, simplificados al manipular matrices diagonales por bloques, está asociada al balance en los bloques y al error de proximidad de éstas respecto de la matriz original. Este trabajo propone un algoritmo para balancear una matriz diagonal por bloques obtenida mediante una descomposición ε. El algoritmo se evalúa en el Jacobiano del método de Newton; los resultados basados en el flujo de potencia, y la simulación dinámica del sistema de prueba de Nueva Inglaterra, reflejan las características de la descomposición ε balanceada. ABSTRACT The efficiency in parallel processing of several power system analysis, simplified via the treatment of block-diagonal matrices, is associated to the balance of the blocks and to the error of proximity of these respect to the original matrix. In this paper an algorithm for the balance of block-diagonal matrix obtained via ε-decomposition is proposed. The algorithm is evaluated in the Jacobian matrix of the Newton method; the results based in the power flow, and the transient simulation of the New England test system, reflect the performance of the ε balanced decomposition. Keywords: Sistemas de potencia, descomposición ε, solución bloque iterativa, procesamiento paralelo, balance de carga. 1. INTRODUCCION Durante años los ingenieros han encontrado dificultades al momento de analizar sistemas de gran tamaño; si bien en el caso de los sistemas de potencia éste se ha visto favorecido por la descripción de problemas mediante matrices, y por la utilización de computadores digitales para su manipulación, la necesidad de lograr un equilibrio en la cantidad de información a procesar y su calidad continúa siendo evidente. La complejidad alcanzada por los sistemas de potencia, tanto en términos de tecnología como de dimensión, no sólo dificulta la evaluación en tiempo real de su seguridad sino también su control. El procesamiento paralelo ha permitido sobrellevar algunas de estas dificultades, particularmente en lo que respecta a la velocidad de procesamiento; siempre que la arquitectura del computador sea apropiada para el algoritmo que se estudia. Actualmente se han propuesto soluciones basadas en procesamiento paralelo para una gran cantidad de los análisis asociados a los sistemas de potencia; entre éstos se encuentran el flujo de potencia [1], la simulación dinámica [2], incluyendo la de transitorios electromagnéticos [3]; el análisis de la estabilidad transitoria mediante funciones de energía [4], el de la estabilidad a perturbación pequeña [5] y a la planificación de sistemas eléctricos de potencia [6]. El procesamiento paralelo es particularmente atractivo si es posible descomponer el sistema en subsistemas acoplados débilmente, pero cada uno con sus variables acopladas fuertemente [7]. En las referencias [8, 9] se ha propuesto la descomposición eficientemente de un sistema de transmisión, básicamente ambos algoritmos descomponen una matriz minimizando alguna norma predefinida; la necesidad de complementar esta descomposición con un método de balance automático es evidente cuando se requiere el análisis en línea del sistema de potencia [1]. En este trabajo se propone un algoritmo que permite balancear automática y eficientemente los bloques obtenidos por medio de la descomposición ε de una matriz [9]. Las características de esta matriz han demostrado ser adecuados para resolver iterativamente ecuaciones no lineales por medio del método paralelo de Newton por bloques, el cual puede ser implementado tanto para la solución del flujo de potencia [1], como para la simulación dinámica del sistema obtenida mediante la solución de ecuaciones no lineales; ésto es, las ecuaciones diferenciales discretizadas, en conjunto o no con las algebraicas, y agregadas para los períodos de integración que definen el tiempo de simulación [10]. El trabajo se estructuró de la siguiente manera; en la sección dos de éste se formula la solución a los problemas del flujo de potencia y de la simulación dinámica del sistema mediante el método iterativo de Newton por bloques, también se describe la implementación de éste en un computador paralelo. En la sección tres se describen aspectos relativos a la descomposición ε y al algoritmo propuesto para balancearla. En la misma se presentan algunos resultados numéricos; se evalúa el efecto que tiene en la descomposición ε el escalar las ecuaciones, para lo cual se estudia el flujo de potencia del sistema IEEE de 14 barras. Enseguida se evalúa la descomposición ε balanceada en el problema de la simulación dinámica del sistema de 10 máquinas y 39 barras de Nueva Inglaterra; finalmente, el trabajo se complementa con conclusiones y comentarios. 2. METODO ITERATIVO DE NEWTON POR BLOQUES PARA ANALISIS DE SISTEMAS DE POTENCIA Dos problemas se resuelven usualmente por el método iterativo de Newton; éstos corresponden al flujo de potencia y a la simulación dinámica del sistema. Mientras que en el flujo de potencia el conjunto de ecuaciones algebraicas (GFP) está dispuesto en forma directa, en el caso de la simulación dinámica las ecuaciones algebraicas (GSD) se obtienen agrupando un conjunto de ecuaciones discretizadas, asociadas por lo general a las unidades generadoras, a un conjunto de ecuaciones algebraicas que describen al sistema de transmisión; finalmente, el conjunto resultante se agrega para los períodos de integración que definen el tiempo de simulación [10]. A continuación se formulan ambos problemas. 2.1 Flujo de Potencia El flujo de potencia permite determinar las condiciones del sistema para una operación en estado estacionario. Generalmente, el problema consiste en obtener una solución al siguiente sistema de ecuaciones algebraicas no lineales: n é esp ù Pi − Re{E i å Yij*E*j }ú ê j= 1 FP esp esp G ( X, Pi , Qi ) = ê ú=0, n * * ú êQ esp i − Im{E i å Yij E j } êë úû j= 1 (1) [ x T = ω1 Kωg δ1 Kδg E q1 L E qg E fd1 L E fdg ] (4) donde ωi, δi, E'qi y Efdi son, respectivamente, la velocidad angular y la posición angular del rotor relativa a la barra infinita, la tensión proporcional al enlace de flujo en el eje directo y la tensión de salida de la excitatriz en la i-ésima unidad; el conjunto de 4*g ecuaciones diferenciales descrito en la ecuación (3) puede ser reescrito en forma compacta como: x = F( x, t ) (5) Para efectos de obtener la respuesta temporal del sistema, se discretiza el conjunto de ecuaciones diferenciales aplicando la regla de integración trapezoidal; las ecuaciones resultantes corresponden a un conjunto de ecuaciones algebraicas no lineales que pueden ser reagrupadas para cada uno de los períodos de integración entre 0<t<ts, ésto es: donde el vector de incógnitas X viene dado por: X = [θ i , E i ] (2) y θi y |Ei| son, respectivamente, el argumento y la magnitud de la tensión en la barra i (Ei); yij es el elemento ij de la matriz de admitancias (Y). El par Piesp , Q esp corresponde, respectivamente, i a la potencia activa y reactiva especificada en la barra i. En general, para el problema descrito por la ecuación (1) X ∈ ℜ2*b-bPV, donde b es la cantidad de barras y bPV es la cantidad de barras con tensión controlada. 2.1 Simulación Dinámica del Sistema Eléctrico de Potencia La simulación dinámica del sistema eléctrico de potencia permite determinar la evolución temporal de las variables que operan en el sistema. El conocimiento de éstas permite, entre otras cosas, tomar acciones de control, ajustar protecciones y evaluar la seguridad del sistema. Sin pérdida de generalidad, se asume un sistema de potencia multimáquina compuesto de g generadores síncronos conectados a través de un sistema de transmisión. Las cargas son representadas por impedancias constantes y la potencia mecánica de entrada a cada generador se asume constante. Los generadores se describen utilizando las ecuaciones de Park por un modelo de tercer orden con un circuito de campo en el eje directo. Los generadores incorporan un sistema de excitación descrito por un modelo de primer orden representando al regulador automático de tensión. Si durante el período de simulación 0≤t≤ts el sistema no presenta cambios estructurales, el modelo no lineal del sistema de potencia viene dado por el conjunto de ecuaciones diferenciales: δ i = ω n (ω i − ω 0 ) 2 Hω i = Pmi − Pei − D(ω i − ω 0 ) T ' E ' = E − E ' − ( x − x ' )i do qi fd qi di di , i=1...g. di Tai E fdi = K ai ( Vrefi − Vti ) − E fdi Definiendo el vector de estado x ∈ ℜ4*g como: (3) ù é 1 ∆t 1 0 ( F( x1 ) + F( x 0 )) ú ê x −x − 2 ú ê 2 ê x 2 − x1 − ∆t ( F( x2 ) + F( x1 )) ú SD G ( X, Pmi , Vrefi ) = ê ú = 0 , (6) 2 ú ê M ú ê s t ∆ − 1 − 1 s s s s êx − x − ( F( x ) + F( x ) ú úû êë 2 donde XT=[x1,...,xs] es el vector de incógnitas; Pmi y Vrefi son, respectivamente, la potencia mecánica de entrada y la tensión de referencia en la i-ésima unidad generadora; ∆tk=tk-tk-1 (k=1,...,s) es el período de integración k-ésimo. Generalmente, si sólo las unidades generadoras se modelan dinámicamente, y si cada una es descrita por una cantidad igual de estados, n; la dimensión del problema es n*g*s. Particularmente, para el problema descrito en la ecuación (6) X ∈ ℜ4*g*s. 2.2 Método Iterativo de Newton por Bloques Las soluciones al problema del flujo de potencia y de la simulación dinámica del sistema pueden ser obtenidas resolviendo un sistema de ecuaciones del tipo: ~ ~ G ( X) = 0 (7) ~ ~ donde X es el vector de incógnitas y G el conjunto de ~ relaciones no lineales en X ; la iteración de Newton simplificada: ~ ~ ~ X k +1 = X k + ∆X k , (8) donde ∇ denota al operador gradiente, permite mejorar la k~ ésima aproximación ( X k ) a través de la corrección: ~ ~ ~ ∆X k = − (∇G ( X) ~ ) X0 −1 ~ ~ ~ ~ ~ G ( X k ) = − J −1G ( X k ) (9) ~ en la cual la matriz Jacobiana ( J ) es evaluada sólo en la ~ primera iteración. Para algún ε suficientemente pequeño J resultaría en una matriz permutada (J) y podría ser descompuesta como: ~ J = HJH T = J D + ε J O , (10) donde H es la matriz que permuta al vector de incógnitas en ~ X = HX ; JD es una matriz diagonal por bloques y J O es una matriz cuyos elementos tienen magnitud no mayor a uno. Esto sugiere aproximar la iteración dada por la ecuación (8) por: X k +1 = X k − J −D1G ( X k ) (11) ~ (⋅) es el conjunto de ecuaciones permutado. donde G (⋅) = HG 2.4 Implementación del Método en un Computador Paralelo La implementación del método iterativo de Newton por bloques en un computador paralelo se describe en el diagrama esquemático presentado en la Figura 2.1, y en el cual se asume que XT=[X1 X2 ... XP] y GT(X)=[G1(X) G2(X) ... GP(X)] están particionados en acuerdo a los P bloques definidos en JD. Bus bidireccional Procesador 1 Procesador 2 Procesador P while max(e1,e2,..,eP)>tol, while max(e1,e2,..,eP)>tol, while max(e1,e2,..,eP)>tol, ∆X1k=-JD1-1G1(Xk); ∆X2k=-JD2-1G2(Xk); ∆XPk=-JDP-1GP(Xk); X1k=X1k+∆X1k; X2k=X2k+∆X2k; XPk=XPk+∆XPk; k enviar X1k; enviar X2k; ... enviar XP ; for j=1:P, for j=1:P, for j=1:P, recibir Xkj≠2; recibir Xkj≠1; recibir Xkj≠P; evaluar G1(Xk); evaluar G2(Xk); evaluar GP(Xk); e1=max(|G1(Xk)|); e2=max(|G2(Xk)|); eP=max(|GP(Xk)|); enviar e2; enviar e1; enviar eP; for j=1:P, for j=1:P, for j=1:P, recibir ej≠1; recibir ej≠2; recibir ej≠P; end end end Fig. 2.1: Representación esquemática de la implementación del método de Newton por bloques en un computador paralelo. Cada procesador ejecuta un programa como el descrito en el diagrama de la Fig. 2.1; las letras cursivas indican que el procesador realiza un proceso de comunicación, éste sólo requiere intercambiar X ij y G ij ( X) para cada iteración. Note que si cada uno de los bloques de JD es cuasivacío, la corrección X ij puede ser obtenida mediante técnicas adecuadas como lo son los métodos directos de bifactorización [11] o de la matriz W [12]. 3. DESCOMPOSICION ε BALANCEADA 3.1 Nociones Básicas en la Teoría de Grafos Los conceptos asociados a una descomposición ε hacen necesario exponer algunas nociones sobre la teoría de grafos. Un digrafo es un par orientado D=(V, R), donde V={v1, v2,...,vm} es un conjunto de nodos, y R es un conjunto de ramas denotadas (vj, vi) y dirigidas desde el nodo vj al nodo vi. Si (vj, vi) ∈ R, entonces vj es adyacente a vi. La relación de adyacencia puede ser descrita por una matriz binaria A=(aij) ∈ ℜm×m denominada la matriz de adyacencia, donde aij=1 si y sólo si (vj, vi) ∈ R. Un subgrafo Dq=(Vq, Rq) de D es un digrafo tal que Vq⊆V y Rq⊆R. Una descomposición Z de V es una colección {V1,V2,...,VM} de M subconjuntos disjuntos Vi tal que 7qM=1 Vq=V. Si Dq es el subgrafo formado por Vq, q ∈ M={1,2,..,M}, entonces la colección Z={D1,D2,..,DM} es una descomposición de D. La condensación de D con respecto a una descomposición Z es un digrafo L=(W,U), donde W={w1,wq,...,wM} y wq representa al subconjunto Vq, y (wq, wo) ∈ U si y sólo si q≠o, y al menos un nodo en el subconjunto Vq alcanza un nodo en el subconjunto Vo. 3.2 Descomposición ε La motivación básica al buscar una descomposición ε, es explotar el paralelismo natural que presentan los problemas de dimensión elevada y que son descritos por medio de ecuaciones dispuestas en forma matricial. Este concepto se formaliza a través de la siguiente definición: ~ Definición 1: Sea J ∈ ℜm×m una matriz constante y H una ~ ~ matriz de permutación tal que J = HJH T es la matriz J permutada en sus filas y columnas; entonces, la matriz diagonal ~ por bloques JD obtenida a través de una descomposición ε de J satisface que: J − JD ∞ ≤ βε, β = cte. (12) Esto es, JD es una aproximación subóptima de J en el sentido de la norma infinita ( ⋅ ∞ ) . La matriz JD puede ser obtenida de diversas formas; una de éstas consiste en efectuar la operación: ~ HJH T (13) y luego rescatar los elementos que permanecen dentro de los bloques diagonales que se deseen formar. Esta manera de descomponer no asegura que los elementos fuera de los bloques sean pequeños en magnitud; entonces, la cantidad de matrices permutadas que se deben analizar para evaluar cual presenta una aproximación que minimiza (12) podría ser considerable. En términos de grafos, encontrar una matriz de permutación H es equivalente a descomponer el digrafo D correspondiente a ~ J en M subgrafos Dq, q ∈ M, tal que las ramas interconectando ~ los subgrafos corresponden a los elementos de J con ε magnitudes no mayores a ε. Tal descomposición, Z de D, es llamada una descomposición ε. 3.3 Descomposición ε Balanceada Los algoritmos de descomposición basados en los trabajos presentados en [8, 9] no aseguran que los bloques resultantes sean balanceados en términos de los nodos que contiene cada uno. En un proceso de descomposición del sistema de transmisión no es extraño obtener subsistemas compuestos de sólo una de las barras del sistema; ésto debido a la ausencia en los algoritmos de una etapa de balance que opere en conjunto a la etapa de descomposición. Evidentemente esta situación no favorece la utilización del procesamiento paralelo. Si bien el balance puede ser mejorado a través de reglas muy simples, la automatización de este proceso no es obvia y se hace imprescindible a medida que el problema crece en dimensión. Un resultado atractivo en términos del balance de una descomposición ε se obtiene por medio del escalamiento de las ecuaciones que describen el problema; por ejemplo, para descomponer el sistema de transmisión, en el cual generalmente se cumple que: y ii >> y ij , i, j: 1... b , (14) donde b es la dimensión de la matriz de admitancias (Y), se propone descomponer: æ yij ö Y = ( y ij ) = ç ÷ è yii ø i, j: 1. . . b . (15) En general, la descomposición de la matriz Y resulta en bloques mejor balanceados que la descomposición de Y. Si bien tal escalamiento mejora considerablemente el balance; éste no presenta resultados que aseguren una aplicación eficiente en computadores paralelos [1]. Además, el escalamiento de las ecuaciones presenta unos efectos en términos de las descomposiciones que se obtendrán; a fin de aclarar este concepto observe en la Fig. 3.1 los resultados obtenidos al aplicar la descomposición ε balanceada al problema del flujo de potencia del sistema de prueba IEEE de 14 barras. En ésta se muestra como a partir de matrices escaladas en forma diferente se obtienen descomposiciones diferentes, las que varían la cantidad de iteraciones requeridas para lograr convergencia a la solución (indicadas entre paréntesis). La descomposición J1 se realiza en el Jacobiano evaluado en la iteración 1, durante el resto de las iteraciones se conserva tanto la descomposición como el Jacobiano; la descomposición J2 se realiza en el Jacobiano sin escalamiento y es reevaluada para cada iteración, la descomposición J3 se realiza en el Jacobiano escalado mediante el proceso descrito en la ecuación (15) y también es reevaluada; finalmente, observando en la ecuación (9) que la késima corrección puede ser escrita como: ~ ~ ~ ~ ~ ~ ~ ~ ∆X ik = − jii−1 ( − ji1∆X1k −...− jii−1∆X ik−1 + G i ( X k ) −... ~ ~ ~ ~ ...- jii+1∆X ik+1 −...− jin ∆X kn ), (16) y que en muchos casos la matriz Jacobiana posee elementos dominantes en la diagonal, la aproximación: ~ ~ ~ ~ ∆X kj ≈ jjj−1G j ( X k ) (17) permite evaluar en una primera instancia el impacto de las ~ incógnitas ∆X kj , ∀j ≠ i en la ecuación (16); ésto propone descomponer al Jacobiano escalado de la siguiente forma: ~ ~~ ~ ~ jij = jii−1 jij jjj−1G j ( X k ) (18) ~ donde jij y jij son, respectivamente, los elementos ij de la matriz escalada y del Jacobiano. La descomposición J4 se realiza en el Jacobiano evaluado en cada iteración y escalado según la ecuación (18). Este escalamiento resulta atractivo ~ (X ~ ) presenta elementos disímiles. cuando el vector G A continuación se describe el algoritmo propuesto para balancear automáticamente la cantidad de nodos en cada bloque obtenido mediante una descomposición ε; éste no requiere que las ecuaciones sean previamente escaladas, la necesidad de efectuar tal operación sólo responde al resultado obtenido en términos del error respecto de la solución buscada. El primer paso consiste en obtener una descomposición ε en la cual cada bloque (Bi) contenga un número de nodos (NºNBi) no mayor al índice de balance deseado, dicho a ser γ. Para una aplicación eficiente en términos de procesamiento paralelo este índice es: γ= m , P (19) donde m es la dimensión de la matriz a descomponer y P el número de procesadores disponibles. Note que si una descomposición ε1 genera algún bloque Bi en el que NºNBi≤γ, una descomposición ε2 que satisface ε2>ε1 podría descomponer Bi; ésto puede ser evitado si Bi es guardado previamente. Si el número de bloques (NºB) es mayor que el deseado (P), el segundo paso consiste en reagrupar bloques. El proceso se puede realizar de la siguiente manera: primero se ordenan los bloques de mayor a menor en orden a la cantidad de nodos en cada uno; es decir, {B1, B2,...,BNºB} tal que NºNBi≥NºNBi+1 ∀ i. Luego se reagrupan los bloques ubicados en la posición P y P+1; ésto es, BP=BP∪BP+1; el proceso de ordenar y reagrupar continúa hasta que se obtiene un número de bloques igual al número de procesadores (NºB=P). Este algoritmo de balance es muy simple, su fundamento se basa en que luego de obtener una partición con bloques de tamaño menor o igual al índice de balance γ, el p-ésimo bloque con menor número de nodos es el que requiere con más urgencia incrementar su carga, y su reagrupación con el p+1-ésimo bloque en el peor de los casos minimiza el excedente en el índice de balance γ. El algoritmo propuesto para balancear una descomposición ε se representa a través del flujograma mostrado en la Fig. 3.2. 3.4 Aplicación de la Descomposición ε Balanceada al Problema de la Simulación del Sistema de Potencia La simulación dinámica obtenida mediante integración trapezoidal es muy atractiva en términos de la estabilidad del método. Además, como la convergencia del método de Newton es casi independiente de la dimensión del problema a resolver; la paralelización temporal se ve favorecida y así también la utilización de técnicas para tratar matrices cuasivacías. Fig. 3.1: GFP(Xk, Piesp, Qiesp): error máximo entre la potencia activa y reactiva especificada y la obtenida para cada iteración. Flujo de potencia del sistema de prueba IEEE de 14 barras. Datos, i=1, j=0, ε=ε0 Descomposición ε ∀ Bi≠B*i NºNBi ≤ γ ? i=1, j=0, ε=ε+δ si no i=i+1 B*i=Bi j=j+1 no si i=NºB ? si j>0 ? no NºB*=P ? si Imprima columnas se reordenaron para lograr la disposición bloque diagonal. Tal descomposición no es atractiva en términos de balance, para una descomposición ε=0.038 se obtienen 17 bloques, de los cuales el mayor contiene 144 nodos; para una descomposición ε=0.045 se obtienen 18 bloques, logrando así descomponer el bloque anteriormente mencionado en dos nuevos bloques, uno de los cuales contiene una cantidad de nodos igual al índice de balance óptimo (γ=120). Finalmente, la reagrupación de bloques permite obtener un balance óptimo; ésto es, 120 nodos en cada uno. En la Fig. 3.5 se puede observar la matriz Jacobiana reordenada por filas y columnas según la descomposición ε balanceada; a su vez, en la Fig. 3.6 se observa la matriz Jacobiana descompuesta. Observe que tal descomposición conserva los bloques obtenidos de la descomposición natural del natural del Jacobiano (ε=0). no Ordene {B*1,B*2,..,B*NºB*}, tal que NºNB*i≥NºNB*i+1, i:1...NºB* Reagrupe: B*p=B*p ∪ B*p+1 NºB*=NºB*-1 Fig. 3.2: Flujograma de la descomposición ε balanceada. Con el fin de observar la efectividad del algoritmo propuesto, se buscó una descomposición ε balanceada de la matriz Jacobiana obtenida según la ecuación (8). Considerando una breve simulación del sistema de prueba de Nueva Inglaterra, y utilizando integración trapezoidal y paralelización temporal, se plantearon 480 ecuaciones algebraicas no lineales. La solución de estas ecuaciones describe el comportamiento del sistema para un período de falla de 0.06 seg., caracterizado por un cortocircuito trifásico a tierra en la barra 16. El período de simulación se discretizó en pasos de integración constantes e iguales a 0.005 seg. Cada unidad generadora es representada según el vector de estado definido en la ecuación (4). En la Fig. 3.3 se observa la disposición natural del Jacobiano en orden a la formulación planteada en 2.1. Aplicando la descomposición ε balanceada se obtiene una partición natural de éste; ésto es, una descomposición ε=0. En la Figura 3.4 se puede observar la descomposición natural del Jacobiano, las filas y Fig. 3.3: Matriz Jacobiana utilizada para obtener la simulación dinámica del sistema de Nueva Inglaterra. CONCLUSIONES En este se trabajo se presentó un algoritmo para balancear el número de nodos asignados a los bloques de una descomposición ε; el algoritmo sólo requiere ordenar vectores pequeños, definidos por el número de bloques en la descomposición, y realizar una reagrupación posterior. El proceso de ordenar y reagrupar se repite un número de veces igual al número de bloques menos el número de procesadores disponibles. La aplicación del algoritmo en un sistema de 3.5: Partición en 4 bloques balanceados. 3.4: Descomposición natural (ε=0). 3.6: Descomposición ε balanceada. Figs. 3.4 a 3.6: Descomposición ε balanceada para el problema de la simulación dinámica del sistema de Nueva Inglaterra. prueba demuestra su eficiencia en términos de balance. Se propuso un escalamiento que considera las características ~ ~ del vector G( X k ) definido en la ecuación (9); si bien éste presenta características positivas al reducir la cantidad de iteraciones requeridas para lograr convergencia, su aplicación requiere de un análisis más detallado. Los resultados presentados en torno al escalamiento de las ecuaciones permiten reflejar algunos de sus efectos. La descomposición ε balanceada es especialmente adecuada para tratar problemas de gran dimensión mediante el método paralelo de Newton por bloques, tales como el de la simulación dinámica del sistema obtenida mediante integración trapezoidal y paralelismo en el tiempo. Para descomposiciones en las que se obtengan bloques cuasivacíos el método puede ser complementado con técnicas especiales. Finalmente, notamos que la convergencia débil de la descomposición hace imprescindible su utilización con un método de aceleración [1]. REFERENCIAS [1] M. Amano, A. I. Zecevic′ and D. D. Siljak , "An Improved Block-Parallel Newton Method Via Epsilon Decompositions for Load-Flow Calculations", IEEE Trans. on Power Systems, vol. 11, pp. 1519-1527, 1996. ~ [2] I. C. Decker, D. M. Falcao and E. Kaszkurewicz, "Conjugate Gradient Methods for Power System Dynamic Simulation on Parallel Computers", IEEE Trans. on Power Systems, vol. 11, pp. 1218-1227, 1996. ~ , E. Kaszkurewicz and H. L. S. Almeida, [3] D. M. Falcao "Application of Parallel Processing Techniques to the Simulation of Power System Electromagnetic Transients", IEEE Trans. on Power Systems, vol. 8, pp. 90-96, 1993. [4] V. Vittal, G. M. Prabhu and S. Lian Lim, "A Parallel Computer Implementation of Power System Transient Stability Assessment Using the Transient Energy Function Method", IEEE Trans. on Power Systems, vol. 6, pp. 167-173, 1991. ~ , "An [5] J. M. Campagnolo, N. Martins and D. M. Falcao Efficient and Robust Eigenvalue Method for Small-Signal Stability Assessment in Parallel Computers", IEEE Trans. on Power Systems, vol. 10, pp. 506-511, 1995. [6] C. Lema1 tre and B. Thomas, "Two Applications of Parallel Processing in Power System Computation", IEEE Trans. on Power Systems, vol. 11, pp. 246-253, 1996. [7] Z. Gajic′ and X. Shen, "Parallel Algorithms for Optimal Control of Large Scale Linear Systems", Springer-Verlag, London, 1993. [8] N. Muller and V. H. Quintana, "A Sparse EigenvalueBased Approach for Partitioning Power Networks", IEEE Trans. on Power Systems, vol. 7, pp. 520-527, 1992. [9] M. E. Sezer and D. D. Siljak , "Nested ε-Decompositions and Clustering of Complex Systems", Automatica, vol. 22, pp. 321-331, 1986. [11] F. L. Alvarado, "Parallel Solution of Transient Problems By Trapezoidal Integration", IEEE Trans. on Power Apparatus and Systems, vol. 98, pp. 1080-1089, 1979. [12] A. Brameller, R. N. Allan and Y. M. Haman, "Sparsity", Pitman Publishing, 1976. [13] M. Enns, W. F. Tinney and F. L. Alvarado, "Sparse Matrix Inverse Factors", IEEE Trans. on Power Systems, vol. 5, pp. 466-473, 1990. AGRADECIMIENTOS Los autores agradecen la ayuda prestada por ENDESA S.A. a través de la Unidad de Investigación y Desarrollo en la Universidad Católica; así como al Pr. Luis Contesse por su disponibilidad e interés en discutir los conceptos presentados en este trabajo. Se agradece también a la Comisión Europea por el financiamiento otorgado para el proyecto ITDC118 Parallel Computation on Industrial Automation and Dynamic Optimization. RESEÑAS BIOGRAFICAS Felipe Morales S. Ing. Civil Eléctrico, UCV ('95). Estudiante del programa de Magister en Cs. de la Ing., PUCCh. Hugh Rudnick V.D.W. Ing. Civil Electricista, UCh ('70). M.Sc. UMIST ('77). Ph.D., UMIST ('82). Prof. Titular, PUCCh. Aldo Cipriano Z. Ing. Civil Electricista, UCh ('73). M.Sc., UCh ('74). Dr. Ing., T. U. München ('81). Prof. Titular, PUCCh.