Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Sba: Controle & Automação Sociedade Brasileira de Automatica |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000200009 |
Resumo: | Neste trabalho, apresenta-se o desenvolvimento de uma ferramenta computacional para a solução do problema de fluxo de potência ótimo (FPO) descentralizado. Para esta finalidade o problema de FPO é decomposto em várias áreas, definindo-se vários subproblemas regionais de FPO. O FPO é modelado como um problema de otimização não-linear restrito, em que os custos da geração e das perdas de potência ativa são minimizados simultaneamente. Os subproblemas regionais de FPO são resolvidos através de um algoritmo evolutivo multiobjetivo (AEMO) baseado na teoria de Pareto. No AEMO proposto explora-se um mecanismo de preservação de diversidade entre os indivíduos da população para evitar a convergência prematura e soluções ótimas locais. Para extrair a melhor solução compromisso do conjunto Pareto-Ótimo propõem-se um mecanismo de decisão baseado na teoria de conjuntos fuzzy. Além disso, um algoritmo de hierarquia cluster é implementado para reduzir a dimensão do conjunto de Pareto. Para validar a eficiência do modelo e da técnica de solução apresentam-se os resultados obtidos com os sistemas teste RTS-96 e IEEE-354. |
id |
SBA-2_bcd33e3deeab85dfd1cf62201cee98c9 |
---|---|
oai_identifier_str |
oai:scielo:S0103-17592009000200009 |
network_acronym_str |
SBA-2 |
network_name_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository_id_str |
|
spelling |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivoAlgoritmos EvolutivosConjuntos fuzzyFluxo de Potência ÓtimoTécnicas de DecomposiçãoOtimização MultiobjetivoNeste trabalho, apresenta-se o desenvolvimento de uma ferramenta computacional para a solução do problema de fluxo de potência ótimo (FPO) descentralizado. Para esta finalidade o problema de FPO é decomposto em várias áreas, definindo-se vários subproblemas regionais de FPO. O FPO é modelado como um problema de otimização não-linear restrito, em que os custos da geração e das perdas de potência ativa são minimizados simultaneamente. Os subproblemas regionais de FPO são resolvidos através de um algoritmo evolutivo multiobjetivo (AEMO) baseado na teoria de Pareto. No AEMO proposto explora-se um mecanismo de preservação de diversidade entre os indivíduos da população para evitar a convergência prematura e soluções ótimas locais. Para extrair a melhor solução compromisso do conjunto Pareto-Ótimo propõem-se um mecanismo de decisão baseado na teoria de conjuntos fuzzy. Além disso, um algoritmo de hierarquia cluster é implementado para reduzir a dimensão do conjunto de Pareto. Para validar a eficiência do modelo e da técnica de solução apresentam-se os resultados obtidos com os sistemas teste RTS-96 e IEEE-354.Sociedade Brasileira de Automática2009-06-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000200009Sba: Controle & Automação Sociedade Brasileira de Automatica v.20 n.2 2009reponame:Sba: Controle & Automação Sociedade Brasileira de Automaticainstname:Sociedade Brasileira de Automática (SBA)instacron:SBA10.1590/S0103-17592009000200009info:eu-repo/semantics/openAccessAmorim,Elizete de AndradeRomero,RubénMantovani,José R. S.por2009-05-28T00:00:00Zoai:scielo:S0103-17592009000200009Revistahttps://www.sba.org.br/revista/PUBhttps://old.scielo.br/oai/scielo-oai.php||revista_sba@fee.unicamp.br1807-03450103-1759opendoar:2009-05-28T00:00Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA)false |
dc.title.none.fl_str_mv |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
title |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
spellingShingle |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo Amorim,Elizete de Andrade Algoritmos Evolutivos Conjuntos fuzzy Fluxo de Potência Ótimo Técnicas de Decomposição Otimização Multiobjetivo |
title_short |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
title_full |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
title_fullStr |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
title_full_unstemmed |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
title_sort |
Fluxo de potência ótimo descentralizado utilizando algoritmos evolutivos multiobjetivo |
author |
Amorim,Elizete de Andrade |
author_facet |
Amorim,Elizete de Andrade Romero,Rubén Mantovani,José R. S. |
author_role |
author |
author2 |
Romero,Rubén Mantovani,José R. S. |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Amorim,Elizete de Andrade Romero,Rubén Mantovani,José R. S. |
dc.subject.por.fl_str_mv |
Algoritmos Evolutivos Conjuntos fuzzy Fluxo de Potência Ótimo Técnicas de Decomposição Otimização Multiobjetivo |
topic |
Algoritmos Evolutivos Conjuntos fuzzy Fluxo de Potência Ótimo Técnicas de Decomposição Otimização Multiobjetivo |
description |
Neste trabalho, apresenta-se o desenvolvimento de uma ferramenta computacional para a solução do problema de fluxo de potência ótimo (FPO) descentralizado. Para esta finalidade o problema de FPO é decomposto em várias áreas, definindo-se vários subproblemas regionais de FPO. O FPO é modelado como um problema de otimização não-linear restrito, em que os custos da geração e das perdas de potência ativa são minimizados simultaneamente. Os subproblemas regionais de FPO são resolvidos através de um algoritmo evolutivo multiobjetivo (AEMO) baseado na teoria de Pareto. No AEMO proposto explora-se um mecanismo de preservação de diversidade entre os indivíduos da população para evitar a convergência prematura e soluções ótimas locais. Para extrair a melhor solução compromisso do conjunto Pareto-Ótimo propõem-se um mecanismo de decisão baseado na teoria de conjuntos fuzzy. Além disso, um algoritmo de hierarquia cluster é implementado para reduzir a dimensão do conjunto de Pareto. Para validar a eficiência do modelo e da técnica de solução apresentam-se os resultados obtidos com os sistemas teste RTS-96 e IEEE-354. |
publishDate |
2009 |
dc.date.none.fl_str_mv |
2009-06-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000200009 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0103-17592009000200009 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0103-17592009000200009 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
publisher.none.fl_str_mv |
Sociedade Brasileira de Automática |
dc.source.none.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica v.20 n.2 2009 reponame:Sba: Controle & Automação Sociedade Brasileira de Automatica instname:Sociedade Brasileira de Automática (SBA) instacron:SBA |
instname_str |
Sociedade Brasileira de Automática (SBA) |
instacron_str |
SBA |
institution |
SBA |
reponame_str |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
collection |
Sba: Controle & Automação Sociedade Brasileira de Automatica |
repository.name.fl_str_mv |
Sba: Controle & Automação Sociedade Brasileira de Automatica - Sociedade Brasileira de Automática (SBA) |
repository.mail.fl_str_mv |
||revista_sba@fee.unicamp.br |
_version_ |
1754824565099331584 |