Sistemas inteligentes híbridos baseados em redes neurais recorrentes e regras heurísticas aplicados ao despacho ótimo de geração
Autor(a) principal: | |
---|---|
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 |