UNIVERSIDAD TECNICA DE MANABÍ

ASIGNATURA: ANALISIS DE REDES ELECTRICAS

PARALELO: A

INTEGRANTES:

MERA MEZA ERICK DANIEL

CARREÑO VINCES KANESHA MAILY

SOLORZANO MUÑOZ PEDRO IGNACIO

LITARDO CEDEÑO FATIMA DANIELA

PROFESOR: ING. FREDDY CARRERA

ENSAYO:

TEMAS: METODOS NUMERICOS

1. Método de Newton-Raphson

El método numérico de Newton fue descrito por Sir Isaac Newton en De analysi per

aequationes numero terminorum infinitas ('Sobre el análisis mediante ecuaciones con un

número infinito de términos', escrito en 1669, publicado en 1711 por William Jones) y en De

metodis fluxionum et serierum infinitarum (escrito en 1671, traducido y publicado como

Método de las fluxiones en 1736 por John Colson). Sin embargo, su descripción difiere en

forma sustancial de la descripción moderna presentada más arriba: Newton aplicaba el

método solo a polinomios, y no consideraba las aproximaciones sucesivas xn, sino que

calculaba una secuencia de polinomios para llegar a la aproximación de la raíz x. Finalmente,

Newton ve el método como puramente algebraico y falla al no ver la conexión con el cálculo.

Isaac Newton probablemente derivó su método de forma similar aunque menos precisa del

método de François Viète. La esencia del método de Viète puede encontrarse en el trabajo

del matemático persa Sharaf al-Din al-Tusi.

El método de Newton-Raphson es llamado así por el matemático inglés Joseph

Raphson (contemporáneo de Newton) se hizo miembro de la Royal Society en 1691 por su

libro Aequationum Universalis, publicado en 1690, que contenía este método para

aproximar raíces. Newton en su libro Método de las fluxiones describe el mismo método, en

1671, pero no fue publicado hasta 1736, lo que significa que Raphson había publicado este

resultado 46 años antes. Aunque no fue tan popular como los trabajos de Newton, se le

reconoció posteriormente.
Aplicación: Es ampliamente usado en el análisis de flujo de carga (power flow analysis),

donde se busca determinar las tensiones y fases en cada nodo del sistema eléctrico,

partiendo de las potencias activas y reactivas conocidas.

2. Método de Gauss-Seidel

El Método de Gauss-Seidel consiste en hacer iteraciones, a partir de un vector inicial, para

encontrar los valores de las incógnitas hasta llegar a una tolerancia deseada, la diferencia

radica en que cada vez que se desee encontrar un nuevo valor de una x i, además de usar los

valores anteriores de las x, también utiliza valores actuales de las x encontradas antes (desde

x0 hasta xi-1). La ecuación es la siguiente:

El método de Gauss-Seidel surgio como una modificación del método de Jacobi que acelera la

convergencia de éste.

El método de Gauss-Seidel recorta sustancialmente el número de iteraciones a realizar para

obtener una cierta precisión en la solución. Evidentemente los criterios de convergencia son

similares a los de Jacobi.

Este criterio no solo se aplica a las ecuaciones lineales que se resuelven con el método de

Gauss-Seidel sino también para el método iterativo del punto fijo y el método de jacobi. Por

tanto, al aplicar este criterio sobre las ecuaciones de Gauss-Seidel y evaluando con respecto

a cada una de las incógnitas, obtenemos la expresión siguiente:

El valor absoluto de las pendientes en la ecuación, deben ser menor que la unidad para

asegurar la convergencia.

Es decir, el elemento diagonal debe ser mayor

que el elemento fuera de la diagonal para cada reglón de ecuaciones. La generalización del

criterio anterior para un sistema de n ecuaciones es:

El método de Gauss-Seidel está basado en el concepto de

punto fijo, es decir ( xi = gi (x), i = 1.. n), para resolver sistemas de ecuaciones lineales.Para

garantizar la convergencia se debe de cumplir que el sistema tenga una diagonal dominante,

es decir que se cumpla la desigualdad siguiente, si se cambió el orden de las ecuaciones esta

puede divergir.

Aplicación: También utilizado en el análisis de flujo de carga, especialmente en redes

pequeñas o de tamaño moderado, donde la convergencia puede alcanzarse sin un número

excesivo de iteraciones.
3. Método de Descomposición LU

Su nombre se deriva de las palabras inglesas "Lower" y "Upper", que en español se traducen

como "Inferior" y "Superior". Estudiando el proceso que se sigue en la descomposición LU es

posible comprender el porqué de este nombre, analizando cómo una matriz original se

descompone en dos matrices triangulares, una superior y otra inferior. La descomposición

LU involucra solo operaciones sobre los coeficientes de la matriz [A], proporcionando un

medio eficiente para calcular la matriz inversa o resolver sistemas de álgebra lineal.

Primeramente, se debe obtener la matriz [L] y la matriz [U]. [L] es una matriz diagonal

inferior con números 1 sobre la diagonal. [U] es una matriz diagonal superior en la que sobre

la diagonal no necesariamente tiene que haber números 1. El primer paso es descomponer

o transformar [A] en [L] y [U], es decir obtener la matriz triangular superior [U] y la matriz

triangular inferior [L].

Aplicación: Es útil en análisis de corto circuito y de flujos de potencia, ya que permite

resolver ecuaciones de manera eficiente, especialmente cuando se requieren muchas

soluciones para diferentes condiciones de carga en el sistema.

4. Método de Iteración de Punto Fijo

El método del punto fijo es un método abierto, también llamado de iteración de

un punto o sustitución sucesiva, que reordena la ecuación

 f(x)=0

de la forma en que x esté del lado izquierdo de la ecuación, para buscar la intersección entre

la recta identidad y la curva g(x),

y=x

x=g(x)

Observe que la raíz de f(x) se encuentra en el mismo valor de x donde ocurre la intersección

entre la recta identidad en color verde y la función g(x) en color naranja. Se usa la linea

vertical en color morado en x=raíz como referencia de lo indicado.

El método consiste en establecer un punto inicia x 0 para la búsqueda, que se usa para

calcular el valor g(x0).

En la siguiente iteración el nuevo valor para x es g(x 0), que se refleja en la recta identidad y

nuevamente se usa para calcular g(x).

El resultado iterativo se muestra en la figura animada, donde se observa que el resultado es

convergente.

Aplicación: En sistemas de control y estabilidad de redes eléctricas, donde se busca que

ciertas variables mantengan valores estables en condiciones de cambio.

5. Métodos de Integración Numérica (Runge-Kutta, Euler)

Uno de los métodos más utilizados para resolver numéricamente problemas de ecuaciones

diferenciales ordinarias con condiciones iniciales es el método de Runge-Kutta de cuarto

orden, el cual proporciona un pequeño margen de error con respecto a la solución real del

problema y es fácilmente programable en un software para realizar las iteraciones necesarias.

El método de Runge-Kutta se utiliza para resolver ecuaciones diferenciales de la forma

explícita:

O en su forma Explícita:
Y es sumamente útil para casos en los que la solución no puede hallarse por los métodos

convencionales (como separación de variables). Hay variaciones en el método de Runge-Kutta

de cuarto orden, pero el más utilizado es el método en el cual se elige un tamaño de paso h y

un número máximo de iteraciones n.

El método Runge- Kutta para este problema está dado por la siguiente ecuación:

Para i=0,…, n-1. La solución se da a lo largo del intervalo (xo,xo+hn) , Donde

Así, siguiente valor (yi+1) es determinado por el presente valor (yi) más el producto del

tamaño del intervalo (h) por una pendiente estimada. La pendiente un promedio ponderado

de pendientes:

• k1 es la pendiente al principio del intervalo.

 • k2 es la pendiente en el punto medio del intervalo, usando k1 para determinar el valor

de y en el punto xi + h/2.

• k3 es otra vez la pendiente del punto medio, pero ahora usando k2 para determinar el

valor de y

• k4 es la pendiente al final del intervalo, con el valor de y determinado por k3

Promediando las cuatro pendientes, se le asigna mayor peso a las pendientes en el punto

medio:

Aplicación: En el análisis de transitorios electromagnéticos, como en el arranque y apagado

de motores, o en el estudio de fallas, donde es necesario calcular la evolución temporal de

voltajes y corrientes.

6. Método de la Bisección y de la Secante

El método de la secante busca evitar un posible inconveniente en el desarrollo el algoritmo

para método de Newton-Raphson que es el implementar la evaluación de la expresión y

valor de la primera derivada.

La derivada de la función f(x) también se puede aproximar mediante una diferencia finita

dividida hacia atrás:

f′(xi)=f(xi−1)−f(xi)xi−1−xif′(xi )=xi−1 −xi f(xi−1 )−f(xi )

la que se sustituye en la ecuación del método de Newton-Raphson para obtener:

xi+1=xi−f(xi)(xi−1−xi)f(xi−1)−f(xi)xi+1 =xi −f(xi )f(xi−1 )−f(xi )(xi−1 −xi )

Los métodos de la secante y de la falsa posición tienen ecuaciones idénticas, usan dos

valores iniciales x[i-1] , x[i], para proyectar el nuevo valor de x[i+1].

Sin embargo, existe una diferencia importante entre ambos métodos en la forma en que uno

de los valores iniciales se reemplaza por la nueva aproximación.

En el método de la falsa posición, la última aproximación de la raíz reemplaza cualquiera de

los valores iniciales que dé un valor de la función con el mismo signo. En consecuencia, las

dos aproximaciones siempre encierran a la raíz, es un método cerrado y siempre converge.

En el método de la secante se reemplaza los valores en secuencia estricta: con el nuevo

valor x[i+1] se reemplaza a xi y xi reemplaza a x[i – 1]. Por lo que, algunas veces los dos

valores están en el mismo lado de la raíz y en ciertos casos esto puede llevar a divergencias.

Aplicación: Útil en el ajuste de parámetros en sistemas de protección y control,

especialmente en problemas donde no es práctico aplicar métodos iterativos más complejos

7. Método de Diferencias Finitas y Elementos Finitos

El Método de Elementos Finitos (MEF) es un método numérico para resolver ecuaciones

diferenciales por medio de "aproximaciones discretas". A diferencia del método de

diferencias finitas (MDF), en el cual la zona de solución es un conjunto de puntos discretos,

el método de elementos finitos supone que la zona de solución está compuesta de muchas

subzonas interconectadas, las que se denominan "elementos finitos". Estos elementos, los

que pueden tomar formas simples (por ejemplo, líneas, triángulos, rectángulos,

paralelepípedos) se ensamblan de diferentes maneras para representar la solución sobre

una región cualquiera.

Aplicación: En el análisis de campos electromagnéticos y cálculos de distribuciones de

potencial, corriente y temperatura en componentes de redes eléctricas, como líneas de

transmisión y transformadores.

8.METODO DE MONTE CARLO

métodos de Montecarlo abarcan una colección de técnicas que permiten obtener

soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias

repetidas. En la práctica, las pruebas aleatorias se sustituyen por resultados de ciertos

cálculos realizados con números aleatorios. Se estudiará el concepto de variable aleatoria

y la transformación de una variable aleatoria discreta o continua.

Ejemplos sencillos son: el mecanismo básico de la difusión y el establecimiento del

equilibrio térmico entre dos sistemas que se ponen en contacto a distinta temperatura.

Estos dos ejemplos nos mostrarán el significado de proceso irreversible y fluctuación

alrededor del estado de equilibrio.

La explicación de la ley exponencial decreciente en la desintegración de una sustancia

radioactiva en otra estable. Comprender, a partir de un modelo simple de núcleo

radioactivo, que su desintegración es un suceso aleatorio, con mayor o menor

probabilidad dependiendo de la anchura de las barreras de potencial que mantienen

confinadas a las partículas que componen el núcleo.

Otros ejemplos relevantes son: el estudio de un sistema con un número pequeño de

estados como paso previo al estudio del comportamiento de un material paramagnético

bajo la acción de un campo magnético y a una determinada temperatura, dos ejemplos de

aplicación de la transformación de una variable discreta. Por último, estudiaremos el

comportamiento de un material dieléctrico como ejemplo de aplicación de transformación

de una variable aleatoria continua.

Aplicación: Usado en análisis de confiabilidad y evaluación de riesgo, especialmente en

redes eléctricas con elementos estocásticos, como la generación de energía renovable o la

demanda variable.

Conclusión
En conclusión, los métodos numéricos son fundamentales para analizar y resolver

problemas complejos en ingeniería y matemáticas, y especialmente en el ámbito de las

redes eléctricas. Cada uno de estos métodos tiene sus propias particularidades y

aplicaciones, lo que los hace ideales para abordar distintos tipos de problemas.

Por ejemplo, el método de Newton-Raphson y el de la Secante son muy efectivos para

encontrar aproximaciones de raíces en ecuaciones no lineales. El método de Newton-

Raphson es muy valorado en el análisis de flujo de carga por su rapidez en alcanzar

resultados. Por su parte, el método de Gauss-Seidel y la descomposición LU son

imprescindibles para resolver sistemas de ecuaciones lineales de manera eficiente, lo cual

los hace ideales para analizar redes pequeñas y medianas y simular cortocircuitos. El

método de punto fijo, aunque es sencillo, es muy útil en sistemas de control y estabilidad,

donde aporta soluciones a problemas de estabilidad.

Asimismo, el método de Runge-Kutta y otros de integración numérica permiten analizar la

evolución de fenómenos electromagnéticos transitorios. Los métodos de elementos finitos

y de diferencias finitas, por su parte, se emplean en problemas que implican la distribución

de variables físicas en áreas discretizadas. Finalmente, el método de Monte Carlo, con su

enfoque basado en la probabilidad, es ideal para evaluar la confiabilidad y el riesgo en

sistemas que tienen variables inciertas.

Estos métodos son indispensables en el campo de la ingeniería y las ciencias aplicadas,

proporcionando soluciones eficientes a problemas que de otro modo serían muy difíciles

de resolver. Su uso en las redes eléctricas destaca la importancia de los métodos

 numéricos para analizar, diseñar y optimizar sistemas que necesitan precisión y estabilidad

frente a cambios y factores inciertos.

REFERENCIAS

LINKS https://es.wikipedia.org/wiki/M%C3%A9todo_de_Newton

https://esimecuanalisisnumerico.wordpress.com/2014/05/05/metodo-de-gauss-

seidel/

https://www.paginaspersonales.unam.mx/files/977/Descomposicion_LU_Doolitle.

pdf http://blog.espol.edu.ec/analisisnumerico/punto-fijo-

concepto/#:~:text=El%20m%C3%A9todo%20consiste%20en%20establecer,para%20c
alcular%20g(x) https://esimecuanalisisnumerico.wordpress.com/2014/05/06/metodo-
numerico-derunge-kutta/ http://blog.espol.edu.ec/analisisnumerico/metodo-de-la-secante-
concepto/ http://www.sc.ehu.es/sbweb/fisica_/numerico/montecarlo/montecarlo.html