Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/BUOS-9UNSNW |
Resumo: | Neste trabalho é proposta uma nova estratégia para restauração de sistemas de distribuição de energia elétrica. Devido à natureza de suas funções objetivo e restrições, a restauração deve ser modelada como um problema de otimização nãolinear multiobjetivo. Isso torna difícil a tarefa de encontrar soluções adequadas. Nesta proposta, um algoritmo genético multiobjetivo, Strenght Pareto Evolutionary Algorithm (SPEA2), foi implementado com o objetivo de realizar varreduras e gerar soluções eficientes e não repetidas. Para comprovar a eficiência da estratégia proposta, um sistema teste de 16 barras foi utilizado. O algoritmo foi, então, aplicado a dois sistemas reais de grande porte disponibilizados pela Cemig Distribuição, um com 703 barras e outro com 484 barras. O algoritmo gera como resultado indivíduos decodificados em várias soluções sequenciais. Uma novidade apresentada neste trabalho é que o algoritmo não só minimiza a carga desconectada ao fim do conjunto de manobras, mas também minimiza a carga desconectada ao fim de cada iteração, dessa forma o decisor terá certeza que a sequência de manobras apresentada é a que recuperará a maior quantidade de carga. |
id |
UFMG_52f7f4231c82304f25b2648ddc37b77d |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BUOS-9UNSNW |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Eduardo Gontijo CarranoOriane Magela NetoMauro de Oliveira PratesJoao Antonio de VasconcelosLucas de Souza BatistaGisele Pinheiro da Silva2019-08-14T11:51:17Z2019-08-14T11:51:17Z2014-08-05http://hdl.handle.net/1843/BUOS-9UNSNWNeste trabalho é proposta uma nova estratégia para restauração de sistemas de distribuição de energia elétrica. Devido à natureza de suas funções objetivo e restrições, a restauração deve ser modelada como um problema de otimização nãolinear multiobjetivo. Isso torna difícil a tarefa de encontrar soluções adequadas. Nesta proposta, um algoritmo genético multiobjetivo, Strenght Pareto Evolutionary Algorithm (SPEA2), foi implementado com o objetivo de realizar varreduras e gerar soluções eficientes e não repetidas. Para comprovar a eficiência da estratégia proposta, um sistema teste de 16 barras foi utilizado. O algoritmo foi, então, aplicado a dois sistemas reais de grande porte disponibilizados pela Cemig Distribuição, um com 703 barras e outro com 484 barras. O algoritmo gera como resultado indivíduos decodificados em várias soluções sequenciais. Uma novidade apresentada neste trabalho é que o algoritmo não só minimiza a carga desconectada ao fim do conjunto de manobras, mas também minimiza a carga desconectada ao fim de cada iteração, dessa forma o decisor terá certeza que a sequência de manobras apresentada é a que recuperará a maior quantidade de carga.A novel strategy is proposed in this work for power system restoration. Due to the nature of the objective functions and constraints, the restoration problem should be modelled as a non-linear multi-objective optimization problem. This makes it hard to find suitable solutions for the problem. In this proposal, a multi-objective genetic algorithm, Strenght Pareto Evolutionary Algorithm (SPEA2), was implemented with the goal of performing scans in order to generate efficient unique solutions. To prove the efficiency of the proposed strategy, one test system, with 16 buses, was considered. The algorithm creates as result a decoded individual with sequential solutions, always recovering a big amount of system load. The algorithm was then applied to two real large systems offered by Cemig Distribution, one with 703 buses and another with 484 buses. The algorithm generates as a result individuals decoded over sequential solutions. A novelty presented in this paper is that the algorithm not only minimizes the load disconnected at the end of the set of maneuvers, but also minimizes disconnected after each iteration load, thus the decision-maker will make sure that the sequence of maneuvers is presented that retrieve the largest amount of charge.Universidade Federal de Minas GeraisUFMGEngenharia elétricaAlgoritmos genéticosEnergia eletrica DistribuiçãoRestauração de energiaAlgoritmos genéticos multiobjetivoSPEA2Restauração de redes de energia utilizando algoritmos genéticos multiobjetivoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALdisserta__o_mestrado___gisele_pinheiro_da_silva.pdfapplication/pdf1389380https://repositorio.ufmg.br/bitstream/1843/BUOS-9UNSNW/1/disserta__o_mestrado___gisele_pinheiro_da_silva.pdf35fc77a6acc69a1b877eadea9e4bed6bMD51TEXTdisserta__o_mestrado___gisele_pinheiro_da_silva.pdf.txtdisserta__o_mestrado___gisele_pinheiro_da_silva.pdf.txtExtracted texttext/plain122378https://repositorio.ufmg.br/bitstream/1843/BUOS-9UNSNW/2/disserta__o_mestrado___gisele_pinheiro_da_silva.pdf.txtb1fcddfce4093a9fd61920db9e1f54bdMD521843/BUOS-9UNSNW2019-11-14 14:00:19.997oai:repositorio.ufmg.br:1843/BUOS-9UNSNWRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T17:00:19Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
title |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
spellingShingle |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo Gisele Pinheiro da Silva Restauração de energia Algoritmos genéticos multiobjetivo SPEA2 Engenharia elétrica Algoritmos genéticos Energia eletrica Distribuição |
title_short |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
title_full |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
title_fullStr |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
title_full_unstemmed |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
title_sort |
Restauração de redes de energia utilizando algoritmos genéticos multiobjetivo |
author |
Gisele Pinheiro da Silva |
author_facet |
Gisele Pinheiro da Silva |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Eduardo Gontijo Carrano |
dc.contributor.advisor2.fl_str_mv |
Oriane Magela Neto |
dc.contributor.advisor-co1.fl_str_mv |
Mauro de Oliveira Prates |
dc.contributor.referee1.fl_str_mv |
Joao Antonio de Vasconcelos |
dc.contributor.referee2.fl_str_mv |
Lucas de Souza Batista |
dc.contributor.author.fl_str_mv |
Gisele Pinheiro da Silva |
contributor_str_mv |
Eduardo Gontijo Carrano Oriane Magela Neto Mauro de Oliveira Prates Joao Antonio de Vasconcelos Lucas de Souza Batista |
dc.subject.por.fl_str_mv |
Restauração de energia Algoritmos genéticos multiobjetivo SPEA2 |
topic |
Restauração de energia Algoritmos genéticos multiobjetivo SPEA2 Engenharia elétrica Algoritmos genéticos Energia eletrica Distribuição |
dc.subject.other.pt_BR.fl_str_mv |
Engenharia elétrica Algoritmos genéticos Energia eletrica Distribuição |
description |
Neste trabalho é proposta uma nova estratégia para restauração de sistemas de distribuição de energia elétrica. Devido à natureza de suas funções objetivo e restrições, a restauração deve ser modelada como um problema de otimização nãolinear multiobjetivo. Isso torna difícil a tarefa de encontrar soluções adequadas. Nesta proposta, um algoritmo genético multiobjetivo, Strenght Pareto Evolutionary Algorithm (SPEA2), foi implementado com o objetivo de realizar varreduras e gerar soluções eficientes e não repetidas. Para comprovar a eficiência da estratégia proposta, um sistema teste de 16 barras foi utilizado. O algoritmo foi, então, aplicado a dois sistemas reais de grande porte disponibilizados pela Cemig Distribuição, um com 703 barras e outro com 484 barras. O algoritmo gera como resultado indivíduos decodificados em várias soluções sequenciais. Uma novidade apresentada neste trabalho é que o algoritmo não só minimiza a carga desconectada ao fim do conjunto de manobras, mas também minimiza a carga desconectada ao fim de cada iteração, dessa forma o decisor terá certeza que a sequência de manobras apresentada é a que recuperará a maior quantidade de carga. |
publishDate |
2014 |
dc.date.issued.fl_str_mv |
2014-08-05 |
dc.date.accessioned.fl_str_mv |
2019-08-14T11:51:17Z |
dc.date.available.fl_str_mv |
2019-08-14T11:51:17Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BUOS-9UNSNW |
url |
http://hdl.handle.net/1843/BUOS-9UNSNW |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BUOS-9UNSNW/1/disserta__o_mestrado___gisele_pinheiro_da_silva.pdf https://repositorio.ufmg.br/bitstream/1843/BUOS-9UNSNW/2/disserta__o_mestrado___gisele_pinheiro_da_silva.pdf.txt |
bitstream.checksum.fl_str_mv |
35fc77a6acc69a1b877eadea9e4bed6b b1fcddfce4093a9fd61920db9e1f54bd |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589552889135104 |