Q_theta = np.zeros(n, dtype=complex)
Q_eta = np.zeros(n, dtype=complex)
Sig_re = np.zeros(n, dtype=complex) # part real de sigma
Sig_im = np.zeros(n, dtype=complex) # part imaginària de sigma
Ybus = Yseries_slack + diags(Yshunts_slack) + Ytap # matriu d'admitàncies total
from Funcions import pade4all, epsilon2, eta, theta, aitken, Sigma_funcO, rho, thevenin_funcX2 # importar funcions
# SUMA
U_sum[pqpv] = np.sum(U[:, pqpv_], axis=0)
U_sum[sl] = V_sl
# FI SUMA
# PADÉ
Upa = pade4all(prof-1, U[:, :], 1)
Qpa = pade4all(prof-1, Q[:, pv_], 1) # trobar reactiva amb Padé
U_pa[sl] = V_sl
U_pa[pqpv] = Upa
Pfi[pqpv] = vec_P[pqpv_]
if npq > 0:
Qfi[pq] = vec_Q[pq_]
if npv > 0:
Qfi[pv] = Qpa
Pfi[sl] = np.nan
Qfi[sl] = np.nan
# FI PADÉ
limit = 10 # límit per tal que els mètodes recurrents no treballin amb tots els coeficients
if limit > prof:
limit = prof - 1
Q_eta = np.zeros(n, dtype=complex)
Sig_re = np.zeros(n, dtype=complex) # part real de sigma
Sig_im = np.zeros(n, dtype=complex) # part imaginària de sigma
Ybus = Yseries_slack + diags(
Yshunts_slack) + Ytap # matriu d'admitàncies total
from Funcions import pade4all, epsilon2, eta, theta, aitken, Sigma_funcO, rho, thevenin_funcX2 # importar funcions
# SUMA
U_sum[pqpv] = np.sum(U[:, pqpv_], axis=0)
U_sum[sl] = V_sl
# FI SUMA
# PADÉ
Upa = pade4all(prof - 1, U[:, :], 1)
Qpa = pade4all(prof - 1, Q[:, pv_], 1) # trobar reactiva amb Padé
U_pa[sl] = V_sl
U_pa[pqpv] = Upa
Pfi[pqpv] = vec_P[pqpv_]
if npq > 0:
Qfi[pq] = vec_Q[pq_]
if npv > 0:
Qfi[pv] = Qpa
Pfi[sl] = np.nan
Qfi[sl] = np.nan
# FI PADÉ
limit = 10 # límit per tal que els mètodes recurrents no treballin amb tots els coeficients
if limit > prof:
limit = prof - 1
#Ybus = Yseries_real - diags(vecx_shunts[:, 0]) # matriu d'admitàncies total
from Funcions import pade4all, epsilon2, eta, theta, aitken, Sigma_funcO, rho, thevenin_funcX2, shanks, SigmaX
# SUMA
U_sum[pqpv] = np.sum(U[:, pqpv_], axis=0)
U_sum[sl] = V_sl
if npq > 0:
Q_sum[pq] = vec_Q[pq_]
if npv > 0:
Q_sum[pv] = np.sum(Q[:, pv_], axis=0)
Q_sum[sl] = np.nan
# FI SUMA
# PADÉ
Upa = pade4all(prof, U[:, :], 1)
if npv > 0:
Qpa = pade4all(prof - 1, Q[:, pv_], 1) # trobar reactiva amb Padé
U_pa[sl] = V_sl
U_pa[pqpv] = Upa
Pfi[pqpv] = vec_P[pqpv_]
if npq > 0:
Qfi[pq] = vec_Q[pq_]
if npv > 0:
Qfi[pv] = Qpa
Pfi[sl] = np.nan
Qfi[sl] = np.nan
# FI PADÉ
limit = 8 # límit per tal que els mètodes recurrents no treballin amb tots els coeficients
if limit > prof:
Q_eta = np.zeros(n, dtype=complex)
Sig_re = np.zeros(n, dtype=complex) # part real de sigma
Sig_im = np.zeros(n, dtype=complex) # part imaginària de sigma
Ybus = Yseries_slack + diags(
Yshunts_slack) + Ytap # matriu d'admitàncies total
from Funcions import pade4all, epsilon2, eta, theta, aitken, Sigma_funcO, rho, thevenin_funcX2 # importar funcions
# SUMA
U_sum[pqpv] = np.sum(U[:, pqpv_], axis=0)
U_sum[sl] = V_sl
# FI SUMA
# PADÉ
Upa = pade4all(prof - 1, U[:, :], 1)
Qpa = pade4all(prof - 1, Q[:, pv_], 1) # trobar reactiva amb Padé
U_pa[sl] = V_sl
U_pa[pqpv] = Upa
Pfi[pqpv] = vec_P[pqpv_]
if npq > 0:
Qfi[pq] = vec_Q[pq_]
if npv > 0:
Qfi[pv] = Qpa
Pfi[sl] = np.nan
Qfi[sl] = np.nan
# FI PADÉ
limit = 10 # límit per tal que els mètodes recurrents no treballin amb tots els coeficients
if limit > prof:
limit = prof - 1