Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração

Detalhes bibliográficos
Autor(a) principal: Nóbrega Neto, Otoni
Data de Publicação: 2010
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/001300000cw32
Texto Completo: https://repositorio.ufpe.br/handle/123456789/4916
Resumo: Este trabalho tem como objetivo o desenvolvimento e a aplicação de ferramentas de Inteligência Artificial como Redes Neurais Artificiais, Algoritmos Genéticos e Regras Heurísticas para solucionar problemas de planejamento da operação energética de sistemas de geração de energia elétrica compreendendo hidrelétricas, termelétricas, e parque eólico. A formulação escolhida para solucionar o problema agrega a operação dos reservatórios das hidrelétricas dando como dados de referência ao problema os volumes iniciais e os volumes finais. Esta formulação envolve problemas de grande porte, cujo tamanho varia de acordo com o horizonte de estudo e o detalhamento do sistema gerador. As Rede Neurais Artificiais recorrentes são conhecidas como eficientes ferramentas de otimização para solucionar problemas de programação linear e quadrática, além de apresentar um grande potencial para implementação em hardware do tipo Very- Large-Scale Integration, na qual pode ser mais eficiente do que as técnicas tradicionais de otimização. Os Algoritmos Genéticos também formam outras ferramentas de otimização que vêm sendo estudadas nos últimos anos. Além dessas duas ferramentas podem ser produzidas regras heurísticas para acelerar e melhorar a convergência destes métodos. As técnicas de Inteligência Artificial implementadas foram aplicadas ao despacho econômico de geração do sistema interligado CHESF-ELETRONORTE, para o qual foram obtidos a solução otimizada da operação, os custos marginais de geração e o valor da água associado com cada hidrelétrica
id UFPE_db0891383677595dae5a046ea391cb80
oai_identifier_str oai:repositorio.ufpe.br:123456789/4916
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling Nóbrega Neto, OtoniRibeiro Barbosa de Aquino, Ronaldo 2014-06-12T17:34:56Z2014-06-12T17:34:56Z2010-01-31Nóbrega Neto, Otoni; Ribeiro Barbosa de Aquino, Ronaldo. Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração. 2010. Tese (Doutorado). Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2010.https://repositorio.ufpe.br/handle/123456789/4916ark:/64986/001300000cw32Este trabalho tem como objetivo o desenvolvimento e a aplicação de ferramentas de Inteligência Artificial como Redes Neurais Artificiais, Algoritmos Genéticos e Regras Heurísticas para solucionar problemas de planejamento da operação energética de sistemas de geração de energia elétrica compreendendo hidrelétricas, termelétricas, e parque eólico. A formulação escolhida para solucionar o problema agrega a operação dos reservatórios das hidrelétricas dando como dados de referência ao problema os volumes iniciais e os volumes finais. Esta formulação envolve problemas de grande porte, cujo tamanho varia de acordo com o horizonte de estudo e o detalhamento do sistema gerador. As Rede Neurais Artificiais recorrentes são conhecidas como eficientes ferramentas de otimização para solucionar problemas de programação linear e quadrática, além de apresentar um grande potencial para implementação em hardware do tipo Very- Large-Scale Integration, na qual pode ser mais eficiente do que as técnicas tradicionais de otimização. Os Algoritmos Genéticos também formam outras ferramentas de otimização que vêm sendo estudadas nos últimos anos. Além dessas duas ferramentas podem ser produzidas regras heurísticas para acelerar e melhorar a convergência destes métodos. As técnicas de Inteligência Artificial implementadas foram aplicadas ao despacho econômico de geração do sistema interligado CHESF-ELETRONORTE, para o qual foram obtidos a solução otimizada da operação, os custos marginais de geração e o valor da água associado com cada hidrelétricaCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de PernambucoAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessRedes Neurais Artificiais RecorrentesRegras HeurísticasAlgoritmos GenéticosDespacho Econômico de GeraçãoEnergia EólicaSistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geraçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILarquivo2536_1.pdf.jpgarquivo2536_1.pdf.jpgGenerated Thumbnailimage/jpeg1474https://repositorio.ufpe.br/bitstream/123456789/4916/4/arquivo2536_1.pdf.jpg9c8740e43732d89f2e22b8a1aba40c1dMD54ORIGINALarquivo2536_1.pdfapplication/pdf2208706https://repositorio.ufpe.br/bitstream/123456789/4916/1/arquivo2536_1.pdf8de8746be2eb21264b1dec79e1932796MD51LICENSElicense.txttext/plain1748https://repositorio.ufpe.br/bitstream/123456789/4916/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTarquivo2536_1.pdf.txtarquivo2536_1.pdf.txtExtracted texttext/plain296342https://repositorio.ufpe.br/bitstream/123456789/4916/3/arquivo2536_1.pdf.txtf5115f4a626490a009b87872eec3d32fMD53123456789/49162019-10-25 14:04:19.532oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T17:04:19Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
title Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
spellingShingle Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
Nóbrega Neto, Otoni
Redes Neurais Artificiais Recorrentes
Regras Heurísticas
Algoritmos Genéticos
Despacho Econômico de Geração
Energia Eólica
title_short Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
title_full Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
title_fullStr Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
title_full_unstemmed Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
title_sort Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
author Nóbrega Neto, Otoni
author_facet Nóbrega Neto, Otoni
author_role author
dc.contributor.author.fl_str_mv Nóbrega Neto, Otoni
dc.contributor.advisor1.fl_str_mv Ribeiro Barbosa de Aquino, Ronaldo
contributor_str_mv Ribeiro Barbosa de Aquino, Ronaldo
dc.subject.por.fl_str_mv Redes Neurais Artificiais Recorrentes
Regras Heurísticas
Algoritmos Genéticos
Despacho Econômico de Geração
Energia Eólica
topic Redes Neurais Artificiais Recorrentes
Regras Heurísticas
Algoritmos Genéticos
Despacho Econômico de Geração
Energia Eólica
description Este trabalho tem como objetivo o desenvolvimento e a aplicação de ferramentas de Inteligência Artificial como Redes Neurais Artificiais, Algoritmos Genéticos e Regras Heurísticas para solucionar problemas de planejamento da operação energética de sistemas de geração de energia elétrica compreendendo hidrelétricas, termelétricas, e parque eólico. A formulação escolhida para solucionar o problema agrega a operação dos reservatórios das hidrelétricas dando como dados de referência ao problema os volumes iniciais e os volumes finais. Esta formulação envolve problemas de grande porte, cujo tamanho varia de acordo com o horizonte de estudo e o detalhamento do sistema gerador. As Rede Neurais Artificiais recorrentes são conhecidas como eficientes ferramentas de otimização para solucionar problemas de programação linear e quadrática, além de apresentar um grande potencial para implementação em hardware do tipo Very- Large-Scale Integration, na qual pode ser mais eficiente do que as técnicas tradicionais de otimização. Os Algoritmos Genéticos também formam outras ferramentas de otimização que vêm sendo estudadas nos últimos anos. Além dessas duas ferramentas podem ser produzidas regras heurísticas para acelerar e melhorar a convergência destes métodos. As técnicas de Inteligência Artificial implementadas foram aplicadas ao despacho econômico de geração do sistema interligado CHESF-ELETRONORTE, para o qual foram obtidos a solução otimizada da operação, os custos marginais de geração e o valor da água associado com cada hidrelétrica
publishDate 2010
dc.date.issued.fl_str_mv 2010-01-31
dc.date.accessioned.fl_str_mv 2014-06-12T17:34:56Z
dc.date.available.fl_str_mv 2014-06-12T17:34:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv Nóbrega Neto, Otoni; Ribeiro Barbosa de Aquino, Ronaldo. Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração. 2010. Tese (Doutorado). Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2010.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/4916
dc.identifier.dark.fl_str_mv ark:/64986/001300000cw32
identifier_str_mv Nóbrega Neto, Otoni; Ribeiro Barbosa de Aquino, Ronaldo. Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração. 2010. Tese (Doutorado). Programa de Pós-Graduação em Engenharia Elétrica, Universidade Federal de Pernambuco, Recife, 2010.
ark:/64986/001300000cw32
url https://repositorio.ufpe.br/handle/123456789/4916
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/4916/4/arquivo2536_1.pdf.jpg
https://repositorio.ufpe.br/bitstream/123456789/4916/1/arquivo2536_1.pdf
https://repositorio.ufpe.br/bitstream/123456789/4916/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/4916/3/arquivo2536_1.pdf.txt
bitstream.checksum.fl_str_mv 9c8740e43732d89f2e22b8a1aba40c1d
8de8746be2eb21264b1dec79e1932796
8a4605be74aa9ea9d79846c1fba20a33
f5115f4a626490a009b87872eec3d32f
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1815172793099091968